OlsTrainer Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Trainers

Zestaw:

Microsoft.ML.Mkl.Components.dll

Pakiet:

Microsoft.ML.Mkl.Components v3.0.1

Element IEstimator<TTransformer> do trenowania modelu regresji liniowej przy użyciu zwykłych najmniejszych kwadratów (OLS) do szacowania parametrów modelu regresji liniowej.

public sealed class OlsTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.OlsModelParameters>,Microsoft.ML.Trainers.OlsModelParameters>

type OlsTrainer = class
    inherit TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>, OlsModelParameters>

Public NotInheritable Class OlsTrainer
Inherits TrainerEstimatorBase(Of RegressionPredictionTransformer(Of OlsModelParameters), OlsModelParameters)

Dziedziczenie

Object

TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>,OlsModelParameters>

OlsTrainer

Uwagi

Aby utworzyć ten trener, użyj ols lub Ols(Options).

Kolumny wejściowe i wyjściowe

Dane kolumny etykiety wejściowej muszą mieć wartość Single. Dane wejściowe funkcji kolumny muszą być znanym wektorem o rozmiarze Single.

Ten trener generuje następujące kolumny:

Nazwa kolumny wyjściowej	Typ kolumny	Opis
Score	Single	Niezawiązany wynik, który został przewidywany przez model.

Cechy trenera

Zadanie uczenia maszynowego	Regresja
Czy normalizacja jest wymagana?	Tak
Czy buforowanie jest wymagane?	Nie
Wymagane narzędzie NuGet oprócz Microsoft.ML	Microsoft.ML.Mkl.Components
Eksportowanie do pliku ONNX	Tak

Szczegóły algorytmu trenowania

Co najmniej kwadraty (OLS) to sparametryzowana metoda regresji. Przyjęto założenie, że średnia warunkowa zmiennej zależnej jest zgodna z funkcją liniową zmiennych zależnych. Parametry regresji można oszacować, minimalizując kwadraty różnicy między obserwowanymi wartościami a przewidywaniami

Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.

Pola

FeatureColumn	Kolumna funkcji, której oczekuje trener. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Kolumna etykiety, którą oczekuje trener. Może to być nullwartość , która wskazuje, że etykieta nie jest używana do trenowania. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Kolumna wagi, którą oczekuje trener. Może to być null, co wskazuje, że waga nie jest używana do trenowania. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>)

Właściwości

Info	Element IEstimator<TTransformer> do trenowania modelu regresji liniowej przy użyciu zwykłych najmniejszych kwadratów (OLS) do szacowania parametrów modelu regresji liniowej.

Metody

Fit(IDataView)	Trenuje i zwraca wartość ITransformer. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	Element IEstimator<TTransformer> do trenowania modelu regresji liniowej przy użyciu zwykłych najmniejszych kwadratów (OLS) do szacowania parametrów modelu regresji liniowej. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>)

Metody rozszerzania

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane względem buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejmą wiele danych.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólną ITransformerwartość . Jednak w tym samym czasie IEstimator<TTransformer> często są tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który zostanie wywołany po wywołaniu dopasowania.

Zobacz też

• Ols(RegressionCatalog+RegressionTrainers, String, String, String)
• Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)
• OlsTrainer.Options