OlsTrainer Класс

Определение

Пространство имен:

Microsoft.ML.Trainers

Сборка:

Microsoft.ML.Mkl.Components.dll

Пакет:

Microsoft.ML.Mkl.Components v3.0.1

Для IEstimator<TTransformer> обучения модели линейной регрессии с использованием обычных наименьших квадратов (OLS) для оценки параметров модели линейной регрессии.

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)

Наследование

Object

TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>,OlsModelParameters>

OlsTrainer

Комментарии

Чтобы создать этот тренер, используйте Ols или Ols(Options).

Входные и выходные столбцы

Входные данные столбца меток должны иметь тип Single. Входные данные столбцов должны быть вектором известного Singleразмера.

Этот алгоритм обучения выводит следующие столбцы:

Имя выходного столбца	Тип столбца	Описание
Score	Single	Несвязанная оценка, прогнозируемая моделью.

Характеристики тренера

Задача машинного обучения	Регрессия
Требуется ли нормализация?	Да
Требуется ли кэширование?	Нет
Обязательный NuGet в дополнение к Microsoft.ML	Компоненты Microsoft.ML.Mkl.Components
Экспортируемый в ONNX	Да

Сведения о алгоритме обучения

Обычные наименьшие квадраты (OLS) — параметризованный метод регрессии. Предполагается, что условное среднее зависимой переменной следует линейной функции зависимых переменных. Параметры регрессии можно оценить путем минимизации квадратов разницы между наблюдаемых значений и прогнозами.

Ознакомьтесь с разделом "См. также" ссылки на примеры использования.

Поля

FeatureColumn	Столбец признаков, который ожидает тренер. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Столбец меток, который ожидает тренер. Может иметь значение null, указывающее, что метка не используется для обучения. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Столбец веса, который ожидает тренер. Может быть null, что указывает, что вес не используется для обучения. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)

Свойства

Info	Для IEstimator<TTransformer> обучения модели линейной регрессии с использованием обычных наименьших квадратов (OLS) для оценки параметров модели линейной регрессии.

Методы

Fit(IDataView)	Поезда и возвращается ITransformer. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	Для IEstimator<TTransformer> обучения модели линейной регрессии с использованием обычных наименьших квадратов (OLS) для оценки параметров модели линейной регрессии. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)

Методы расширения

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

Добавьте "контрольную точку кэширования" в цепочку оценщика. Это обеспечит обучение подчиненных оценщиков на основе кэшированных данных. Рекомендуется создать контрольную точку кэширования перед обучением, которые принимают несколько передач данных.

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

Учитывая оценщик, возвращает объект-оболочку, который будет вызывать делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что было в форме, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако, в то же время, IEstimator<TTransformer> часто формируются в конвейеры со многими объектами, поэтому нам может потребоваться построить цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова соответствия.

См. также раздел

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