SymbolicSgdLogisticRegressionBinaryTrainer.Options Classe

Definição

Namespace:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Mkl.Components.dll

Pacote:

Microsoft.ML.Mkl.Components v3.0.1

Opções para o SymbolicSgdLogisticRegressionBinaryTrainer usado em SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.TrainerInputBaseWithLabel

type SymbolicSgdLogisticRegressionBinaryTrainer.Options = class
    inherit TrainerInputBaseWithLabel

Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer.Options
Inherits TrainerInputBaseWithLabel

Herança

Object

TrainerInputBase

TrainerInputBaseWithLabel

SymbolicSgdLogisticRegressionBinaryTrainer.Options

Construtores

SymbolicSgdLogisticRegressionBinaryTrainer.Options()

Opções para o SymbolicSgdLogisticRegressionBinaryTrainer usado em SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

Campos

FeatureColumnName	Coluna a ser usada para recursos. (Herdado de TrainerInputBase)
L2Regularization	Regularização L2.
LabelColumnName	Coluna a ser usada para rótulos. (Herdado de TrainerInputBaseWithLabel)
LearningRate	Taxa de aprendizado. Um valor maior pode potencialmente reduzir o tempo de treinamento, mas incorrer em instabilidade numérica e sobreajuste.
MemorySize	O orçamento de memória de aceleração em MB.
NumberOfIterations	Número de passagens sobre os dados.
NumberOfThreads	Grau de paralelismo sem bloqueio. Determinismo não garantido se isso for definido como maior que 1. O valor padrão é o número de núcleos lógicos disponíveis no sistema.
PositiveInstanceWeight	Aplique peso à classe positiva para dados desequilibrado.
Shuffle	Definir para true fazer com que os dados sejam embaralhados.
Tolerance	Tolerância à diferença na perda média em passes consecutivos. Se a redução da perda for menor do que a tolerância especificada em uma iteração, o processo de treinamento será encerrado.
UpdateFrequency	O número de iterações de cada thread aprende um modelo local até combiná-lo com o modelo global. O valor baixo significa um modelo global mais atualizado e um valor alto significa menos tráfego de cache.