RandomizedPcaTrainer 클래스
정의
중요
일부 정보는 릴리스되기 전에 상당 부분 수정될 수 있는 시험판 제품과 관련이 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적이거나 묵시적인 보증도 하지 않습니다.
IEstimator<TTransformer> 임의 SVD 알고리즘을 사용하여 대략적인 PCA를 학습하기 위한 것입니다.
public sealed class RandomizedPcaTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.AnomalyPredictionTransformer<Microsoft.ML.Trainers.PcaModelParameters>,Microsoft.ML.Trainers.PcaModelParameters>type RandomizedPcaTrainer = class
inherit TrainerEstimatorBase<AnomalyPredictionTransformer<PcaModelParameters>, PcaModelParameters>Public NotInheritable Class RandomizedPcaTrainer
Inherits TrainerEstimatorBase(Of AnomalyPredictionTransformer(Of PcaModelParameters), PcaModelParameters)- 상속
-
RandomizedPcaTrainer
설명
이 트레이너를 만들려면 RandomizedPca 또는 RandomizedPca(옵션)를 사용합니다.
입력 및 출력 열
입력 기능 열 데이터는 알려진 크기의 벡터 Single여야 합니다. 이 트레이너는 다음 열을 출력합니다.
| 출력 열 이름 | 열 형식 | Description |
|---|---|---|
Score |
Single | 이상 탐지 모델에서 계산한 음수가 아니고 제한 없는 점수입니다. |
PredictedLabel |
Boolean | 임계값을 기준으로 예측된 레이블입니다. 임계값 매핑 true 보다 높은 점수와 임계값보다 낮은 점수가 매핑됩니다 false. 기본 임계값은 .입니다 0.5. 기본값을 변경하는 데 사용합니다 <xref:AnomalyDetectionCatalog.ChangeModelThreshold> . |
트레이너 특성
| 기계 학습 작업 | 이상 탐지 |
| 정규화가 필요한가요? | Yes |
| 캐싱이 필요한가요? | 아니요 |
| Microsoft.ML 외에 필요한 NuGet | 없음 |
| ONNX로 내보낼 수 있습니다. | 아니요 |
학습 알고리즘 세부 정보
이 트레이너는 상위 고유 벡터를 사용하여 표준 클래스를 포함하는 하위 영역을 근사화합니다. 각 새 인스턴스에 대해 원시 기능 벡터와 해당 하위 영역에서 프로젝션된 기능 간의 표준 차이를 계산합니다. 오류가 0에 가까이면 인스턴스는 정상(비정상)으로 간주됩니다.
보다 구체적으로 말하자면, 이 트레이너는 행이 입력 벡터인 행렬의 SVD(단수 값 분해)를 계산하기 위해 임의 메서드를 사용하여 대략적인 PCA를 학습시킵니다. 이 트레이너가 생성한 모델에는 다음 세 가지 매개 변수가 포함됩니다.
- 프로젝션 매트릭스 $U$
- 원래 기능 공간의 평균 벡터 $m$
- 예상 기능 공간의 평균 벡터 $p$
입력 기능 벡터 $x$의 경우 원래 입력 벡터의 $L_2$ 표준과 프로젝션된 벡터의 $L_2$ norm을 비교하여 변칙 점수를 계산합니다. $\sqrt{\left(|x-m|_2^2 - |Ux-p|_2^2\right)|x-m|_2^2}$.
메서드는 여기에 설명되어 있습니다.
알고리즘은 트레이너에게 전달하기 전에 데이터에 적용하여 ApproximatedKernelTransformer 커널 PCA로 만들 수 있습니다.
사용 예제에 대한 링크는 참고 섹션을 참조하세요.
필드
| Name | Description |
|---|---|
| FeatureColumn |
트레이너가 기대하는 기능 열입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
트레이너가 기대하는 레이블 열입니다.
|
| WeightColumn |
트레이너가 기대하는 가중치 열입니다. 가중치가 학습에 사용되지 않음을 나타내는 일 수 |
속성
| Name | Description |
|---|---|
| Info |
IEstimator<TTransformer> 임의 SVD 알고리즘을 사용하여 대략적인 PCA를 학습하기 위한 것입니다. |
메서드
| Name | Description |
|---|---|
| Fit(IDataView) |
를 학습하고 반환합니다 ITransformer. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> 임의 SVD 알고리즘을 사용하여 대략적인 PCA를 학습하기 위한 것입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
확장명 메서드
| Name | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
추정기 체인에 '캐싱 검사점'을 추가합니다. 이렇게 하면 다운스트림 추정기가 캐시된 데이터에 대해 학습됩니다. 여러 데이터를 전달하는 트레이너 앞에 캐싱 검사점을 두는 것이 유용합니다. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
추정기가 지정된 경우 한 번 Fit(IDataView) 호출된 대리자를 호출하는 래핑 개체를 반환합니다. 예측 도구에서 적합한 항목에 대한 정보를 반환하는 것이 중요한 경우가 많으므로 메서드는 Fit(IDataView) 일반 ITransformer개체가 아니라 구체적으로 형식화된 개체를 반환합니다. 그러나 동시에 IEstimator<TTransformer> 개체가 많은 파이프라인으로 형성되는 경우가 많으므로 변압기를 구하려는 추정기가 이 체인의 어딘가에 묻혀 있는 위치를 통해 EstimatorChain<TLastTransformer> 추정기 체인을 빌드해야 할 수 있습니다. 이 시나리오에서는 fit이 호출되면 호출될 대리자를 이 메서드를 통해 연결할 수 있습니다. |