SymbolicSgdLogisticRegressionBinaryTrainer Classe

Definição

Namespace:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Mkl.Components.dll

Pacote:

Microsoft.ML.Mkl.Components v5.0.0-preview.1.25125.4

Origem:

SymSgdClassificationTrainer.cs

A IEstimator<TTransformer> previsão de um destino usando um modelo de classificação binária linear treinado com a descida de gradiente estocástica simbólica.

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type SymbolicSgdLogisticRegressionBinaryTrainer = class
    inherit TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

Herança

Object

TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>,CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SymbolicSgdLogisticRegressionBinaryTrainer

Comentários

Para criar esse treinador, use SymbolicStochasticGradientDescent ou SymbolicStochasticGradientDescent(Options).

Colunas de entrada e saída

Os dados da coluna de rótulo de entrada devem ser Boolean. Os dados da coluna de recursos de entrada devem ser um vetor de tamanho conhecido de Single.

Este treinador gera as seguintes colunas:

Nome da coluna de saída	Tipo de Coluna	Descrição
Score	Single	A pontuação não associado calculada pelo modelo.
PredictedLabel	Boolean	O rótulo previsto com base no sinal da pontuação. Uma pontuação negativa é mapeada para false e uma pontuação positiva é mapeada para true.
Probability	Single	A probabilidade calculada calibrando a pontuação de ter true como o rótulo. O valor da probabilidade está no intervalo [0, 1].

Características do Treinador

Tarefa de machine learning	Classificação binária
A normalização é necessária?	Yes
O cache é necessário?	No
NuGet necessário além de Microsoft.ML	Microsoft.ML.Mkl.Components
Exportável para ONNX	Yes

Detalhes do algoritmo de treinamento

A descida do gradiente estocástico simbólico é um algoritmo que faz suas previsões encontrando um hiperplano separador. Por exemplo, com valores de recurso $f 0, f1,..., f_{D-1}$, a previsão é fornecida determinando em que lado do hiperplano o ponto se enquadra. Isso é o mesmo que o sinal da soma ponderada do recurso, ou seja, $\sum_{i = 0}^{D-1} (w_i * f_i) + b$, em que $w_0, w_1,..., w_{D-1}$ são os pesos calculados pelo algoritmo e $b$ é o viés calculado pelo algoritmo.

Embora os algoritmos de descendente de gradiente mais simbólicos sejam inerentemente sequenciais - em cada etapa, o processamento do exemplo atual depende dos parâmetros aprendidos com exemplos anteriores. Esse algoritmo treina modelos locais em threads separados e cobminer de modelo probabilístico que permite que os modelos locais sejam combinados para produzir o mesmo resultado do que uma descendente de gradiente stocástico sequencial teria produzido, na expectativa.

Para obter mais informações, consulte Parallel Stochastic Gradient Descent with Sound Combiners.

Verifique a seção Consulte Também para obter links para exemplos de uso.

Campos

Nome	Description
FeatureColumn	A coluna de recursos que o treinador espera. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	A coluna de rótulo que o treinador espera. Pode ser null, o que indica que o rótulo não é usado para treinamento. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	A coluna de peso que o treinador espera. Pode ser null, o que indica que o peso não é usado para treinamento. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)

Propriedades

Nome	Description
Info	A IEstimator<TTransformer> previsão de um destino usando um modelo de classificação binária linear treinado com a descida de gradiente estocástica simbólica.

Métodos

Nome	Description
Fit(IDataView, LinearModelParameters)	Continua o treinamento de SymbolicSgdLogisticRegressionBinaryTrainer usar um modelParameters .Microsoft.ML.Data.BinaryPredictionTransformer
Fit(IDataView)	Treina e retorna um ITransformer. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	A IEstimator<TTransformer> previsão de um destino usando um modelo de classificação binária linear treinado com a descida de gradiente estocástica simbólica. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)

Métodos de Extensão

Nome	Description
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os avaliadores downstream serão treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que têm várias passagens de dados.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) 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 avaliador para o qual queremos obter o transformador está enterrado em algum lugar nessa cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado.

Confira também

• SymbolicSgdLogisticRegressionBinaryTrainer.Options
• SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
• SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)