SgdBinaryTrainerBase<TModel> Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
public abstract class SgdBinaryTrainerBase<TModel> : Microsoft.ML.Trainers.LinearTrainerBase<Microsoft.ML.Data.BinaryPredictionTransformer<TModel>,TModel> where TModel : class
type SgdBinaryTrainerBase<'Model (requires 'Model : null)> = class
inherit LinearTrainerBase<BinaryPredictionTransformer<'Model>, 'Model (requires 'Model : null)>
Public MustInherit Class SgdBinaryTrainerBase(Of TModel)
Inherits LinearTrainerBase(Of BinaryPredictionTransformer(Of TModel), TModel)
Parâmetros de tipo
- TModel
- Herança
-
LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>SgdBinaryTrainerBase<TModel>
- Derivado
Campos
FeatureColumn |
A coluna de recursos esperada pelo treinador. (Herdado de TrainerEstimatorBase<TTransformer,TModel>) |
LabelColumn |
A coluna de rótulo esperada pelo treinador. Pode ser |
WeightColumn |
A coluna de peso que o treinador espera. Pode ser |
Propriedades
Info |
Métodos
Fit(IDataView, LinearModelParameters) |
Continua o treinamento de um usando um SdcaLogisticRegressionBinaryTrainer já treinado |
Fit(IDataView) |
Treina e retorna um ITransformer. (Herdado de TrainerEstimatorBase<TTransformer,TModel>) |
GetOutputSchema(SchemaShape) | (Herdado de TrainerEstimatorBase<TTransformer,TModel>) |
Métodos de Extensão
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os estimadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que levam vários passes de dados. |
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) que seja chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o estimador para o qual queremos obter o transformador está enterrado em algum lugar nesta cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado. |