AutoMLExperimentExtension Класс

Определение

Пространство имен:

Microsoft.ML.AutoML

Сборка:

Microsoft.ML.AutoML.dll

Пакет:

Microsoft.ML.AutoML v0.21.1

public static class AutoMLExperimentExtension

type AutoMLExperimentExtension = class

Public Module AutoMLExperimentExtension

Наследование

Object

AutoMLExperimentExtension

Методы

SetBinaryClassificationMetric(AutoMLExperiment, BinaryClassificationMetric, String, String)	Задайте в Microsoft.ML.AutoML.BinaryMetricManager качестве диспетчера оценки для AutoMLExperiment. Это сделает AutoMLExperiment использование в metric качестве метрики оценки.
SetCheckpoint(AutoMLExperiment, String)	Задайте папку контрольных точек для AutoMLExperiment. Папка контрольных точек будет использоваться для сохранения временных выходных данных, журнала выполнения и многих других элементов, которые будут использоваться для восстановления процесса обучения из последней контрольной точки и продолжения обучения.
SetCostFrugalTuner(AutoMLExperiment)	Задайте в Microsoft.ML.AutoML.CostFrugalTuner качестве тюнера для оптимизации гиперпараметров.
SetDataset(AutoMLExperiment, DataOperationsCatalog+TrainTestData)	Задайте набор данных для обучения и проверки для AutoMLExperiment. Это позволит AutoMLExperiment использовать метод TrainSet from trainValidationSplit для обучения модели и использовать TestSet from trainValidationSplit для оценки модели.
SetDataset(AutoMLExperiment, IDataView, IDataView, Boolean)	Задайте набор данных для обучения и проверки для AutoMLExperiment. Это позволит AutoMLExperiment использовать train для обучения модели и использовать для validation оценки модели.
SetDataset(AutoMLExperiment, IDataView, Int32, String)	Задайте набор данных перекрестной проверки для AutoMLExperiment. Это позволит AutoMLExperiment использовать n=fold перекрестную проверку для dataset обучения и оценки модели.
SetEciCostFrugalTuner(AutoMLExperiment)	задайте в Microsoft.ML.AutoML.EciCostFrugalTuner качестве тюнера для оптимизации гиперпараметров. Этот тюнер работает только с пространством поиска из SweepablePipeline.
SetGridSearchTuner(AutoMLExperiment, Int32)	задайте в Microsoft.ML.AutoML.GridSearchTuner качестве тюнера для оптимизации гиперпараметров.
SetMulticlassClassificationMetric(AutoMLExperiment, MulticlassClassificationMetric, String, String)	Задайте в Microsoft.ML.AutoML.MultiClassMetricManager качестве диспетчера оценки для AutoMLExperiment. Это сделает AutoMLExperiment использование в metric качестве метрики оценки.
SetPerformanceMonitor(AutoMLExperiment, Int32)	Задайте значение DefaultPerformanceMonitorIPerformanceMonitor для AutoMLExperimentпараметра .
SetPerformanceMonitor<TPerformanceMonitor>(AutoMLExperiment, Func<IServiceProvider,TPerformanceMonitor>)	Задайте для пользовательского монитора производительности значение IPerformanceMonitor .AutoMLExperiment
SetPerformanceMonitor<TPerformanceMonitor>(AutoMLExperiment)	Задайте для пользовательского монитора производительности значение IPerformanceMonitor .AutoMLExperiment
SetPipeline(AutoMLExperiment, SweepablePipeline)	Набор pipeline для обучения. Это также позволяет AutoMLExperiment использовать Microsoft.ML.AutoML.SweepablePipelineRunner , Microsoft.ML.AutoML.MLContextMonitor и Microsoft.ML.AutoML.EciCostFrugalTuner для automl traininng.
SetRandomSearchTuner(AutoMLExperiment, Nullable<Int32>)	задайте в Microsoft.ML.AutoML.RandomSearchTuner качестве тюнера для оптимизации гиперпараметров. Если seed указан параметр , он будет использовать это начальное значение для инициализации Microsoft.ML.AutoML.RandomSearchTuner. Seed В противном случае будет использоваться .
SetRegressionMetric(AutoMLExperiment, RegressionMetric, String, String)	Задайте в Microsoft.ML.AutoML.RegressionMetricManager качестве диспетчера оценки для AutoMLExperiment. Это сделает AutoMLExperiment использование в metric качестве метрики оценки.
SetSmacTuner(AutoMLExperiment, Int32, Int32, Int32, Int32, Single, Int32, Int32, Double, Int32)	Задайте в Microsoft.ML.AutoML.SmacTuner качестве тюнера для оптимизации гиперпараметров. Производительность smac в значительной разности определяется numberOfTrees, nMinForSpit и splitRatio, которые используются для соответствия внутреннему регрессии smac.