다음을 통해 공유


Microsoft.ML.Trainers 네임스페이스

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

클래스

AveragedLinearOptions

평균 선형 트레이너에 대한 인수 클래스입니다.

AveragedLinearTrainer<TTransformer,TModel>

평균 선형 트레이너의 기본 클래스입니다.

AveragedPerceptronTrainer

IEstimator<TTransformer> 평균 퍼셉트론으로 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.

AveragedPerceptronTrainer.Options

에 사용되는 의 AveragedPerceptronTrainer 옵션입니다 AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options).

CoefficientStatistics

계산된 모델 매개 변수에 대한 통계를 포함하는 계수 통계 개체를 나타냅니다.

ComputeLogisticRegressionStandardDeviation

표준 편차, p-value 및 z-Score를 추가로 계산하는 데 필요한 0이 아닌 각 학습 가중치의 표준 편차 매트릭스를 계산합니다. Intel 수학 커널 라이브러리를 사용하는 Microsoft.ML.Mkl.Components 패키지에서 이 클래스의 구현을 사용합니다. 정규화가 존재하기 때문에 근사값은 학습된 선형 계수의 분산을 계산하는 데 사용됩니다.

ComputeLRTrainingStdThroughMkl

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

ExpLoss

분류 작업에 일반적으로 사용되는 지수 손실입니다.

ExponentialLRDecay

이 클래스는 지수 학습 속도 감쇠를 구현합니다. tensorflow 설명서에서 구현됩니다. 원본: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 학습 속도의 기본값 및 구현은 Tensorflow 슬림 모델 테스트에서 나온 것입니다. 원본: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py

FeatureContributionCalculator

기능 기여 계산 지원.

FieldAwareFactorizationMachineModelParameters

에 대한 모델 매개 변수입니다 FieldAwareFactorizationMachineTrainer.

FieldAwareFactorizationMachinePredictionTransformer

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

FieldAwareFactorizationMachineTrainer

IEstimator<TTransformer> 확률적 그라데이션 메서드를 사용하여 학습된 필드 인식 팩터리화 머신 모델을 사용하여 대상을 예측하는 입니다.

FieldAwareFactorizationMachineTrainer.Options

FieldAwareFactorizationMachineTrainer.Options 에서 FieldAwareFactorizationMachineTrainer 사용되는 에 대한 입니다 FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options).

HingeLoss

분류 작업에 일반적으로 사용되는 힌지 손실입니다.

KMeansModelParameters

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

KMeansTrainer

IEstimator<TTransformer> KMeans 클러스터러를 학습하기 위한 입니다.

KMeansTrainer.Options

KMeansTrainerKMeansTrainer(옵션)에 사용되는 의 옵션입니다.

LbfgsLogisticRegressionBinaryTrainer

IEstimator<TTransformer> L-BFGS 메서드로 학습된 선형 로지스틱 회귀 모델을 사용하여 대상을 예측하는 입니다.

LbfgsLogisticRegressionBinaryTrainer.Options

에 사용되는 에 LbfgsLogisticRegressionBinaryTrainer 대한 옵션 LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

LbfgsMaximumEntropyMulticlassTrainer

IEstimator<TTransformer> L-BFGS 메서드로 학습된 최대 엔트로피 다중 클래스 분류자를 사용하여 대상을 예측하는 입니다.

LbfgsMaximumEntropyMulticlassTrainer.Options

LbfgsMaximumEntropyMulticlassTrainer.Options 에서 LbfgsMaximumEntropyMulticlassTrainer 사용되는 에 대한 입니다 LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options).

LbfgsPoissonRegressionTrainer

IEstimator<TTransformer> 포아송 회귀 모델을 학습하기 위한 입니다.

LbfgsPoissonRegressionTrainer.Options

LbfgsPoissonRegressionTrainerLbfgsPoissonRegression(옵션)에 사용되는 의 옵션입니다.

LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase

에서 파생된 트레이너 예측 도구에 대한 기본 옵션 클래스입니다LbfgsTrainerBase<TOptions,TTransformer,TModel>.

LbfgsTrainerBase<TOptions,TTransformer,TModel>

L-BFGS 기반 트레이너를 위한 기본 클래스입니다.

LdSvmModelParameters

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

LdSvmTrainer

IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.

LdSvmTrainer.Options

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

LearningRateScheduler

이 추상 클래스는 학습 속도 스케줄러를 정의합니다.

LinearBinaryModelParameters

선형 이진 트레이너 추정기에 대한 모델 매개 변수 클래스입니다.

LinearModelParameters

선형 모델 매개 변수에 대한 기본 클래스입니다.

LinearModelParameterStatistics

선형 모델 매개 변수에 대한 통계입니다.

LinearMulticlassModelParameters

다중 클래스 분류자의 선형 모델입니다. 모든 선형 모델의 원시 점수를 출력하며 가능한 출력은 제공되지 않습니다.

LinearMulticlassModelParametersBase

다중 클래스 분류자의 일반적인 선형 모델입니다. LinearMulticlassModelParameters 에는 클래스당 단일 선형 모델이 포함됩니다.

LinearRegressionModelParameters

선형 회귀에 대한 모델 매개 변수입니다.

LinearSvmTrainer

IEstimator<TTransformer> 선형 SVM으로 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.

LinearSvmTrainer.Options

에 사용되는 의 LinearSvmTrainer 옵션입니다 LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options).

LinearTrainerBase<TTransformer,TModel>

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

LogLoss

로그 손실(교차 엔트로피 손실이라고도 함). 일반적으로 분류 작업에 사용됩니다.

LsrDecay

이 클래스는 선형 크기 조정 규칙 및 LR 감쇠를 구현합니다. Tensorflow 슬림의 RESNET-CIFAR 벤치마크 테스트에서 채택된 구현입니다. https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py

MatrixFactorizationTrainer

IEstimator<TTransformer> 행렬 팩터리화를 사용하여 행렬의 요소를 예측하는 입니다(공동 작업 필터링의 형식이라고도 함).

MatrixFactorizationTrainer.Options

MatrixFactorizationTrainerMatrixFactorization(옵션)에 사용되는 의 옵션입니다.

MaximumEntropyModelParameters

다중 클래스 분류자의 선형 최대 엔트로피 모델입니다. 클래스 확률을 출력합니다. 이 모델을 다항 로지스틱 회귀라고도 합니다. 자세한 내용은 을 참조 https://en.wikipedia.org/wiki/Multinomial_logistic_regression 하세요.

MetaMulticlassTrainer<TTransformer,TModel>

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

ModelParametersBase<TOutput>

모든 모델 매개 변수에 대한 제네릭 기본 클래스입니다.

ModelStatisticsBase

선형 모델 매개 변수에 대한 통계입니다.

NaiveBayesMulticlassModelParameters

에 대한 모델 매개 변수입니다 NaiveBayesMulticlassTrainer.

NaiveBayesMulticlassTrainer

IEstimator<TTransformer> 진 기능 값을 지원하는 다중 클래스 Naive Bayes 모델을 학습하기 위한 입니다.

OlsModelParameters

에 대한 모델 매개 변수입니다 OlsTrainer.

OlsTrainer

IEstimator<TTransformer> 선형 회귀 모델의 매개 변수를 추정하기 위해 일반 OLS(최소 제곱)를 사용하여 선형 회귀 모델을 학습하는 입니다.

OlsTrainer.Options

OlsTrainerOls(옵션)에 사용되는 의 옵션

OneVersusAllModelParameters

에 대한 모델 매개 변수입니다 OneVersusAllTrainer.

OneVersusAllTrainer

IEstimator<TTransformer> 지정된 이진 분류자를 사용하는 1 대 모든 다중 클래스 분류자를 학습하기 위한 입니다.

OnlineGradientDescentTrainer

IEstimator<TTransformer> 선형 회귀 모델의 매개 변수를 추정하기 위해 OGD(온라인 그라데이션 하강)를 사용하여 선형 회귀 모델을 학습하는 입니다.

OnlineGradientDescentTrainer.Options

OnlineGradientDescentTrainerOnlineGradientDescent(옵션)에 사용되는 의 옵션입니다.

OnlineLinearOptions

온라인 선형 트레이너를 위한 인수 클래스입니다.

OnlineLinearTrainer<TTransformer,TModel>

온라인 선형 트레이너를 위한 기본 클래스입니다. 온라인 트레이너는 추가 데이터로 증분 방식으로 업데이트할 수 있습니다.

PairwiseCouplingModelParameters

에 대한 모델 매개 변수입니다 PairwiseCouplingTrainer.

PairwiseCouplingTrainer

IEstimator<TTransformer> 지정된 이진 분류자를 사용하는 쌍으로 결합된 다중 클래스 분류자를 학습하기 위한 입니다.

PcaModelParameters

에 대한 모델 매개 변수입니다 RandomizedPcaTrainer.

PoissonLoss

포아송 회귀에 대한 포아송 손실 함수입니다.

PoissonRegressionModelParameters

포아송 회귀에 대한 모델 매개 변수입니다.

PolynomialLRDecay

이 클래스는 다항식 학습 속도 감쇠를 구현합니다. tensorflow 설명서에서 구현됩니다. 원본: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 학습 속도의 기본값 및 구현은 Tensorflow 슬림 모델 테스트에서 나온 것입니다. 원본: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py

PriorModelParameters

에 대한 모델 매개 변수입니다 PriorTrainer.

PriorTrainer

IEstimator<TTransformer> 진 분류 모델을 사용하여 대상을 예측하기 위한 입니다.

RandomizedPcaTrainer

IEstimator<TTransformer> 임의 SVD 알고리즘을 사용하여 대략적인 PCA를 학습하기 위한 입니다.

RandomizedPcaTrainer.Options

RandomizedPcaTrainerRandomizedPca(옵션)에 사용되는 의 옵션입니다.

RegressionModelParameters

회귀에 대한 모델 매개 변수입니다.

SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase

에 대한 옵션입니다 SdcaBinaryTrainerBase<TModelParameters>.

SdcaBinaryTrainerBase<TModelParameters>

SDCA는 지원 벡터 머신, 선형 회귀, 로지스틱 회귀 등과 같은 (일반화된) 선형 모델에 대한 일반 학습 알고리즘입니다. SDCA 이진 분류 트레이너 제품군에는 여러 봉인된 멤버가 포함됩니다. (1) SdcaNonCalibratedBinaryTrainer 일반 손실 함수를 지원하고 를 반환 LinearBinaryModelParameters합니다. (2) SdcaLogisticRegressionBinaryTrainer 기본적으로 정규화된 로지스틱 회귀 모델을 학습합니다. 로지스틱 회귀는 자연스럽게 확률 출력을 제공하므로 이 생성된 모델의 형식은 입니다 CalibratedModelParametersBase<TSubModel,TCalibrator>. 여기서 TSubModelLinearBinaryModelParameters 이고 TCalibrator 는 입니다 PlattCalibrator.

SdcaLogisticRegressionBinaryTrainer

IEstimator<TTransformer> 확률적 이중 좌표 상승 방법을 사용하여 이진 로지스틱 회귀 분류 모델을 학습하기 위한 입니다. 학습된 모델은 보정되며 선형 함수의 출력 값을 에 공급하여 확률을 PlattCalibrator생성할 수 있습니다.

SdcaLogisticRegressionBinaryTrainer.Options

SdcaLogisticRegressionBinaryTrainerSdcaLogisticRegression(옵션)에 사용되는 의 옵션입니다.

SdcaMaximumEntropyMulticlassTrainer

IEstimator<TTransformer> 최대 엔트로피 다중 클래스 분류자를 사용하여 대상을 예측하는 입니다. 학습된 모델은 MaximumEntropyModelParameters 클래스의 확률을 생성합니다.

SdcaMaximumEntropyMulticlassTrainer.Options

SdcaMaximumEntropyMulticlassTrainer.OptionsSdcaMaximumEntropyMulticlassTrainer 사용되는 의 경우 SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

SdcaMulticlassTrainerBase<TModel>.MulticlassOptions

에 대한 옵션입니다 SdcaMulticlassTrainerBase<TModel>.

SdcaMulticlassTrainerBase<TModel>

IEstimator<TTransformer> 좌표 하강 방법으로 학습된 선형 다중 클래스 분류자 모델을 사용하여 대상을 예측하는 입니다. 사용된 손실 함수에 따라 학습된 모델은 최대 엔트로피 분류자 또는 다중 클래스 지원 벡터 컴퓨터일 수 있습니다.

SdcaNonCalibratedBinaryTrainer

IEstimator<TTransformer> 확률적 이중 좌표 상승 방법을 사용하여 이진 로지스틱 회귀 분류 모델을 학습하기 위한 입니다.

SdcaNonCalibratedBinaryTrainer.Options

에 대한 옵션입니다 SdcaNonCalibratedBinaryTrainer.

SdcaNonCalibratedMulticlassTrainer

IEstimator<TTransformer> 선형 다중 클래스 분류자를 사용하여 대상을 예측하는 입니다. 학습된 모델은 LinearMulticlassModelParameters 클래스의 확률을 생성합니다.

SdcaNonCalibratedMulticlassTrainer.Options

SdcaNonCalibratedMulticlassTrainer.Options 에서 SdcaNonCalibratedMulticlassTrainer 사용되는 에 대한 입니다 SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>).

SdcaRegressionTrainer

IEstimator<TTransformer> 확률적 이중 좌표 상승 메서드를 사용하여 회귀 모델을 학습하기 위한 입니다.

SdcaRegressionTrainer.Options

에 대한 옵션입니다 SdcaRegressionTrainer.

SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase

SDCA 기반 트레이너를 위한 옵션입니다.

SdcaTrainerBase<TOptions,TTransformer,TModel>

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

SgdBinaryTrainerBase<TModel>.OptionsBase

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

SgdBinaryTrainerBase<TModel>

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

SgdCalibratedTrainer

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

SgdCalibratedTrainer.Options

SgdCalibratedTrainerSgdCalibrated(옵션)에 사용되는 의 옵션입니다.

SgdNonCalibratedTrainer

IEstimator<TTransformer> 병렬 확률 그라데이션 메서드를 사용하여 로지스틱 회귀를 학습하기 위한 입니다.

SgdNonCalibratedTrainer.Options

SgdNonCalibratedTrainerSgdNonCalibrated(옵션)에 사용되는 의 옵션입니다.

SmoothedHingeLoss

일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.

SquaredLoss

회귀 작업에 일반적으로 사용되는 제곱 손실입니다.

StochasticTrainerBase<TTransformer,TModel>

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

SymbolicSgdLogisticRegressionBinaryTrainer

IEstimator<TTransformer> 기호화된 확률적 그라데이션 하강으로 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.

SymbolicSgdLogisticRegressionBinaryTrainer.Options

에 사용되는 의 SymbolicSgdLogisticRegressionBinaryTrainer 옵션입니다 SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

TrainerEstimatorBase<TTransformer,TModel>

이는 '단순 트레이너'의 기본 클래스를 나타냅니다. '단순 트레이너'는 기능 열 1개와 레이블 열 1개를 허용하며, 필요에 따라 가중치 열도 허용합니다. '예측 변환기'를 생성합니다.

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

이는 '단순 트레이너'의 기본 클래스를 나타냅니다. '단순 트레이너'는 기능 열 1개와 레이블 열 1개를 허용하며, 필요에 따라 가중치 열도 허용합니다. '예측 변환기'를 생성합니다.

TrainerInputBase

모든 트레이너 입력에 대한 기본 클래스입니다.

TrainerInputBaseWithGroupId

그룹 열을 지원하는 모든 트레이너 입력에 대한 기본 클래스입니다.

TrainerInputBaseWithLabel

Label 열을 지원하는 모든 트레이너 입력의 기본 클래스입니다.

TrainerInputBaseWithWeight

가중치 열을 지원하는 모든 트레이너 입력의 기본 클래스입니다.

TweedieLoss

트위디 배포의 로그 가능성에 따라 트위디 손실. 이 손실 함수는 트위디 회귀에 사용됩니다.

UnsupervisedTrainerInputBaseWithWeight

가중치 열을 지원하는 모든 감독되지 않은 트레이너 입력에 대한 기본 클래스입니다.

구조체

LsrDecay.LearningRateSchedulerItem

이 구조는 학습 속도 스케줄러 항목 유형을 나타냅니다.

인터페이스

ICalculateFeatureContribution

모델 매개 변수별 기능 기여 계산을 지원할 수 있습니다.

IClassificationLoss

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

ILossFunction<TOutput,TLabel>

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

IRegressionLoss

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

IScalarLoss

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

ISupportSdcaClassificationLoss

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

ISupportSdcaLoss

손실 함수는 의 최적 이중 업데이트 Ref: Sec(6.2)에 대한 근접 형식 솔루션을 알 수 있습니다. http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf

ISupportSdcaRegressionLoss

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

ITrainerEstimator<TTransformer,TModel>

트레이너 예측 도구에 대한 인터페이스입니다.

열거형

KMeansTrainer.InitializationAlgorithm

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

MatrixFactorizationTrainer.LossFunctionType

손실 함수의 유형입니다.