SgdCalibratedTrainer 클래스

정의

네임스페이스:

Microsoft.ML.Trainers

어셈블리:

Microsoft.ML.StandardTrainers.dll

패키지:

Microsoft.ML v3.0.1

IEstimator<TTransformer> 병렬 확률 그라데이션 메서드를 사용하여 로지스틱 회귀 학습을 위한 것입니다. 학습된 모델은 보정되며 선형 함수의 출력 값을 에 공급하여 확률을 PlattCalibrator생성할 수 있습니다.

public sealed class SgdCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type SgdCalibratedTrainer = class
    inherit SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SgdCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

상속

Object

TrainerEstimatorBase<TTransformer,TModel>

LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>

SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SgdCalibratedTrainer

설명

이 트레이너를 만들려면 SgdCalibrated 또는 SgdCalibrated(옵션)를 사용합니다.

입력 및 출력 열

입력 레이블 열 데이터는 Boolean이어야 합니다. 입력 기능 열 데이터는 알려진 크기의 벡터 Single여야 합니다.

이 트레이너는 다음 열을 출력합니다.

출력 열 이름	열 유형	설명
Score	Single	모델에서 계산한 바인딩되지 않은 점수입니다.
PredictedLabel	Boolean	점수 부호에 따라 예측된 레이블 음수 점수는 false에 양수 점수는 true에 매핑됩니다.
Probability	Single	true를 레이블로 갖는 점수를 보정하여 계산된 확률입니다. 확률 값은 [0, 1] 범위에 있습니다.

트레이너 특성

기계 학습 작업	이진 분류
정규화가 필요한가요?	예
캐싱이 필요한가요?	아니요
Microsoft.ML 외에도 필요한 NuGet	없음
ONNX로 내보낼 수 있습니다.	예

학습 알고리즘 세부 정보

SGD(확률적 그라데이션 하강)는 최신 성능을 달성하기 위해 여러 기계 학습 작업에 통합할 수 있는 인기 있는 확률적 최적화 절차 중 하나입니다. 이 트레이너는 잠금 없이 다중 스레딩을 지원하는 이진 분류를 위해 Hogwild 확률적 그라데이션 하강을 구현합니다. 관련된 최적화 문제가 스파스인 경우 Hogwild 확률적 그라데이션 하강은 거의 최적의 수렴 속도를 달성합니다. 호그와일드 확률적 경사 하강에 대한 자세한 내용은 여기에서 찾을 수 있습니다.

사용 예제에 대한 링크는 참고 섹션을 참조하세요.

필드

FeatureColumn	트레이너가 기대하는 기능 열입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	트레이너가 기대하는 레이블 열입니다. null수 있습니다. 이는 레이블이 학습에 사용되지 않음을 나타냅니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	트레이너가 기대하는 체중 열입니다. 가중치가 학습에 사용되지 않음을 나타내는 일 수 null있습니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)

속성

Info	IEstimator<TTransformer> 병렬 확률 그라데이션 메서드를 사용하여 로지스틱 회귀 학습을 위한 것입니다. 학습된 모델은 보정되며 선형 함수의 출력 값을 에 공급하여 확률을 PlattCalibrator생성할 수 있습니다. (다음에서 상속됨 SgdBinaryTrainerBase<TModel>)

메서드

Fit(IDataView)	를 학습하고 반환합니다 ITransformer. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	이미 학습된 modelParametersMicrosoft.ML.Data.BinaryPredictionTransformerusing의 학습을 SdcaLogisticRegressionBinaryTrainer 계속하고 . (다음에서 상속됨 SgdBinaryTrainerBase<TModel>)
GetOutputSchema(SchemaShape)	IEstimator<TTransformer> 병렬 확률 그라데이션 메서드를 사용하여 로지스틱 회귀 학습을 위한 것입니다. 학습된 모델은 보정되며 선형 함수의 출력 값을 에 공급하여 확률을 PlattCalibrator생성할 수 있습니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)

확장 메서드

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	추정기 체인에 '캐싱 검사점'을 추가합니다. 이렇게 하면 다운스트림 추정기가 캐시된 데이터에 대해 학습됩니다. 여러 데이터 전달을 수행하는 트레이너 앞에 캐싱 검사점이 있는 것이 좋습니다.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	추정기가 지정된 경우 호출된 대리 Fit(IDataView) 자를 호출할 래핑 개체를 반환합니다. 예측 도구가 적합한 항목에 대한 정보를 반환하는 것이 중요한 경우가 많습니다. 따라서 Fit(IDataView) 메서드는 일반 ITransformer개체가 아닌 구체적으로 형식화된 개체를 반환합니다. 그러나 동시에 IEstimator<TTransformer> 개체가 많은 파이프라인으로 형성되는 경우가 많으므로 변환기를 가져올 추정기가 이 체인의 어딘가에 묻혀 있는 위치를 통해 EstimatorChain<TLastTransformer> 추정기 체인을 빌드해야 할 수 있습니다. 이 시나리오에서는 이 메서드를 통해 fit이 호출되면 호출될 대리자를 연결할 수 있습니다.

추가 정보

• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
• SgdCalibratedTrainer.Options