SymbolicSgdLogisticRegressionBinaryTrainer.Options Класс

Определение

Пространство имен:

Microsoft.ML.Trainers

Сборка:

Microsoft.ML.Mkl.Components.dll

Пакет:

Microsoft.ML.Mkl.Components v3.0.1

Параметры для используемых SymbolicSgdLogisticRegressionBinaryTrainer в .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

Наследование

Object

TrainerInputBase

TrainerInputBaseWithLabel

SymbolicSgdLogisticRegressionBinaryTrainer.Options

Конструкторы

SymbolicSgdLogisticRegressionBinaryTrainer.Options()

Параметры для используемых SymbolicSgdLogisticRegressionBinaryTrainer в .SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)

Поля

FeatureColumnName	Столбец, используемый для функций. (Унаследовано от TrainerInputBase)
L2Regularization	Регуляризация L2.
LabelColumnName	Столбец, используемый для меток. (Унаследовано от TrainerInputBaseWithLabel)
LearningRate	Скорость обучения. Более большое значение может снизить время обучения, но повлечь за собой числовую нестабильность и чрезмерную установку.
MemorySize	Бюджет памяти ускорения в МБ.
NumberOfIterations	Количество проходов по данным.
NumberOfThreads	Степень параллелизма без блокировки. Детерминизм не гарантируется, если для этого задано значение более 1. Значение по умолчанию — это количество логических ядер, доступных в системе.
PositiveInstanceWeight	Примените вес к положительному классу для несбалансированных данных.
Shuffle	Задано, что true приводит к перетасовкам данных.
Tolerance	Допуска к разнице в средней потере в последовательных проходах. Если уменьшение потери меньше указанного допустимого значения в одной итерации, процесс обучения будет завершен.
UpdateFrequency	Количество итераций каждого потока изучает локальную модель, пока не объединяет ее с глобальной моделью. Низкое значение означает, что более обновленная глобальная модель и высокое значение означает меньше трафика кэша.