Microsoft.ML.Trainers Ad Alanı

Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.

Sınıflar

AveragedLinearOptions	Ortalama doğrusal eğitmenler için bağımsız değişkenler sınıfı.
AveragedLinearTrainer<TTransformer,TModel>	Ortalama doğrusal eğitmenler için temel sınıf.
AveragedPerceptronTrainer	Ortalama IEstimator<TTransformer> algı ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme.
AveragedPerceptronTrainer.Options	içinde AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)kullanılan için AveragedPerceptronTrainer seçenekleri.
CoefficientStatistics	Hesaplanan model parametreleriyle ilgili istatistikleri içeren bir katsayı istatistik nesnesini temsil eder.
ComputeLogisticRegressionStandardDeviation	Standart sapmayı, p-değerini ve z-Puanını daha fazla hesaplamak için gereken sıfır olmayan eğitim ağırlıklarının her birinin standart sapma matrisini hesaplar. Intel Matematik Çekirdek Kitaplığı'nı kullanan Microsoft.ML.Mkl.Components paketinde bu sınıfın uygulamasını kullanın. Düzenlileştirmenin varlığı nedeniyle, eğitilen doğrusal katsayıların varyanslarını hesaplamak için bir yaklaşık değer kullanılır.
ComputeLRTrainingStdThroughMkl	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
ExpLoss	Üstel Kayıp, sınıflandırma görevlerinde yaygın olarak kullanılır.
ExponentialLRDecay	Bu sınıf Üstel Öğrenme hızı bozulmalarını uygular. Tensorflow belgelerinden uygulanır. Kaynak: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay Öğrenme oranının varsayılan değerleri ve uygulanması Tensorflow İnce model testlerinden alınıyor. Kaynak: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
FeatureContributionCalculator	Özellik katkı hesaplama desteği.
FieldAwareFactorizationMachineModelParameters	için FieldAwareFactorizationMachineTrainermodel parametreleri.
FieldAwareFactorizationMachinePredictionTransformer	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
FieldAwareFactorizationMachineTrainer	IEstimator<TTransformer> Stokastik gradyan yöntemi kullanılarak eğitilen bir alan algılayan faktörizasyon makine modeli kullanarak hedefi tahmin etme.
FieldAwareFactorizationMachineTrainer.Options	FieldAwareFactorizationMachineTrainer.Optionsiçinde FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)kullanıldığı gibi içinFieldAwareFactorizationMachineTrainer.
HingeLoss	Sınıflandırma görevlerinde yaygın olarak kullanılan Menteşe Kaybı.
KMeansModelParameters	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
KMeansTrainer	IEstimator<TTransformer> KMeans kümeleyicisini eğitme için
KMeansTrainer.Options	KMeansTrainer(Seçenekler)'de kullanılan için KMeansTrainer seçenekleri.
LbfgsLogisticRegressionBinaryTrainer	IEstimator<TTransformer> L-BFGS yöntemiyle eğitilen doğrusal lojistik regresyon modelini kullanarak hedefi tahmin etme.
LbfgsLogisticRegressionBinaryTrainer.Options	içinde kullanılan için LbfgsLogisticRegressionBinaryTrainer seçenekler LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
LbfgsMaximumEntropyMulticlassTrainer	IEstimator<TTransformer> L-BFGS yöntemiyle eğitilen maksimum entropi çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etme.
LbfgsMaximumEntropyMulticlassTrainer.Options	LbfgsMaximumEntropyMulticlassTrainer.Optionsiçinde LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)kullanıldığı gibi içinLbfgsMaximumEntropyMulticlassTrainer.
LbfgsPoissonRegressionTrainer	IEstimator<TTransformer> Poisson regresyon modelini eğitme.
LbfgsPoissonRegressionTrainer.Options	lbfgsPoissonRegression(Seçenekler) içinde kullanılan için LbfgsPoissonRegressionTrainer seçenekleri.
LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	Eğitmen tahmin araçları için temel seçenekler sınıfı türetilirLbfgsTrainerBase<TOptions,TTransformer,TModel>.
LbfgsTrainerBase<TOptions,TTransformer,TModel>	L-BFGS tabanlı eğitmenler için temel sınıf.
LdSvmModelParameters	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
LdSvmTrainer	IEstimator<TTransformer> Yerel Derin SVM ile eğitilmiş doğrusal olmayan bir ikili sınıflandırma modeli kullanarak hedefi tahmin etme.
LdSvmTrainer.Options	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
LearningRateScheduler	Bu soyut sınıf, bir öğrenme oranı zamanlayıcısı tanımlar.
LinearBinaryModelParameters	Doğrusal ikili eğitmen tahmin araçları için model parametreleri sınıfı.
LinearModelParameters	Doğrusal model parametreleri için temel sınıf.
LinearModelParameterStatistics	Doğrusal model parametreleri için istatistikler.
LinearMulticlassModelParameters	Çok sınıflı sınıflandırıcıların doğrusal modeli. Tüm doğrusal modellerinin ham puanlarını alır ve olasılığa dayalı çıkış sağlanmadı.
LinearMulticlassModelParametersBase	Çok sınıflı sınıflandırıcıların ortak doğrusal modeli. LinearMulticlassModelParameters sınıf başına tek bir doğrusal model içerir.
LinearRegressionModelParameters	Doğrusal regresyon için model parametreleri.
LinearSvmTrainer	IEstimator<TTransformer> Doğrusal SVM ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme.
LinearSvmTrainer.Options	içinde LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)kullanılan için LinearSvmTrainer seçenekleri.
LinearTrainerBase<TTransformer,TModel>	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
LogLoss	Çapraz Entropi Kaybı olarak da bilinen Günlük Kaybı. Sınıflandırma görevlerinde yaygın olarak kullanılır.
LsrDecay	Bu sınıf doğrusal ölçeklendirme kuralı ve LR bozulması uygular. Tensorflow incesinde RESNET-CIFAR karşılaştırma testinden benimsenen uygulama. https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py
MaximumEntropyModelParameters	Çok sınıflı sınıflandırıcıların doğrusal maksimum entropi modeli. Sınıf olasılıklarını verir. Bu model, çok terimli lojistik regresyon olarak da bilinir. Ayrıntılar için lütfen bakın https://en.wikipedia.org/wiki/Multinomial_logistic_regression .
MetaMulticlassTrainer<TTransformer,TModel>	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
ModelParametersBase<TOutput>	Tüm model parametreleri için genel temel sınıf.
ModelStatisticsBase	Doğrusal model parametreleri için istatistikler.
NaiveBayesMulticlassModelParameters	için NaiveBayesMulticlassTrainermodel parametreleri.
NaiveBayesMulticlassTrainer	İkili IEstimator<TTransformer> özellik değerlerini destekleyen çok sınıflı bir Naive Bayes modelini eğiten için.
OlsModelParameters	için OlsTrainermodel parametreleri.
OlsTrainer	IEstimator<TTransformer> Doğrusal regresyon modelinin parametrelerini tahmin etmek için normal en küçük kareler (OLS) kullanarak doğrusal regresyon modelini eğitme.
OlsTrainer.Options	OlsTrainer Ols'ta kullanılan için seçenekler(Seçenekler)
OneVersusAllModelParameters	için OneVersusAllTrainermodel parametreleri.
OneVersusAllTrainer	IEstimator<TTransformer> Belirtilen ikili sınıflandırıcıyı kullanan bire bir çok sınıflı sınıflandırıcıyı eğiten için.
OnlineGradientDescentTrainer	IEstimator<TTransformer> Doğrusal regresyon modelinin parametrelerini tahmin etmek için Çevrimiçi Gradyan Azalma (OGD) kullanarak doğrusal regresyon modelini eğitme.
OnlineGradientDescentTrainer.Options	OnlineGradientDescentTrainerOnlineGradientDescent(Seçenekler) içinde kullanılan için seçenekleri.
OnlineLinearOptions	Online doğrusal eğitmenler için bağımsız değişkenler sınıfı.
OnlineLinearTrainer<TTransformer,TModel>	Online doğrusal eğitmenler için temel sınıf. Online eğitmenler ek verilerle artımlı olarak güncelleştirilebilir.
PairwiseCouplingModelParameters	için PairwiseCouplingTrainermodel parametreleri.
PairwiseCouplingTrainer	Belirtilen IEstimator<TTransformer> ikili sınıflandırıcıyı kullanan çift yönlü bir bağlama çok sınıflı sınıflandırıcıyı eğitme için.
PcaModelParameters	için RandomizedPcaTrainermodel parametreleri.
PoissonLoss	Poisson Regresyonu için Poisson Loss işlevi.
PoissonRegressionModelParameters	Poisson Regresyonu için model parametreleri.
PolynomialLRDecay	Bu sınıf polinomsal Öğrenme hızı bozulmalarını uygular. Tensorflow belgelerinden uygulanır. Kaynak: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay Öğrenme oranının varsayılan değerleri ve uygulanması Tensorflow İnce model testlerinden alınıyor. Kaynak: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
PriorModelParameters	için PriorTrainermodel parametreleri.
PriorTrainer	İkili IEstimator<TTransformer> sınıflandırma modeli kullanarak hedefi tahmin etme.
RandomizedPcaTrainer	IEstimator<TTransformer> Rastgele SVD algoritması kullanarak yaklaşık bir PCA eğitimi için.
RandomizedPcaTrainer.Options	RandomizedPca(Seçenekler) içinde kullanılan için RandomizedPcaTrainer seçenekleri.
RegressionModelParameters	Regresyon için model parametreleri.
SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase	için SdcaBinaryTrainerBase<TModelParameters>seçenekler.
SdcaBinaryTrainerBase<TModelParameters>	SDCA, destek vektör makinesi, doğrusal regresyon, lojistik regresyon gibi doğrusal modeller için (genelleştirilmiş) genel bir eğitim algoritmasıdır. SDCA ikili sınıflandırma eğitmen ailesi birkaç korumalı üye içerir: (1) SdcaNonCalibratedBinaryTrainer genel kayıp fonksiyonlarını destekler ve döndürür LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer temelde düzenli bir lojistik regresyon modeli eğitmektedir. Lojistik regresyon doğal olarak olasılık çıkışı sağladığından, oluşturulan bu modelin türü olur CalibratedModelParametersBase<TSubModel,TCalibrator>. where TSubModel is LinearBinaryModelParameters and TCalibrator is PlattCalibrator.
SdcaLogisticRegressionBinaryTrainer	IEstimator<TTransformer> stokastik çift koordinatlı yükseliş yöntemini kullanarak ikili lojistik regresyon sınıflandırma modelini eğitmek için. Eğitilen model kalibre edilir ve doğrusal işlevin çıkış değerini bir PlattCalibratoröğesine besleyerek olasılık üretebilir.
SdcaLogisticRegressionBinaryTrainer.Options	SdcaLogisticRegression(Options) içinde kullanılan için SdcaLogisticRegressionBinaryTrainer seçenekleri.
SdcaMaximumEntropyMulticlassTrainer	Entropi IEstimator<TTransformer> çok sınıflı entropi sınıflandırıcısı kullanarak hedefi tahmin etme. Eğitilen model MaximumEntropyModelParameters sınıfların olasılıklarını üretir.
SdcaMaximumEntropyMulticlassTrainer.Options	SdcaMaximumEntropyMulticlassTrainer.Options for for SdcaMaximumEntropyMulticlassTrainer as used in SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
SdcaMulticlassTrainerBase<TModel>.MulticlassOptions	için SdcaMulticlassTrainerBase<TModel>seçenekler.
SdcaMulticlassTrainerBase<TModel>	Koordinat IEstimator<TTransformer> azalma yöntemiyle eğitilmiş doğrusal bir çok sınıflı sınıflandırıcı modeli kullanarak hedefi tahmin etme. Kullanılan kayıp işlevine bağlı olarak, eğitilen model entropi sınıflandırıcı veya çok sınıflı destek vektör makinesi olabilir.
SdcaNonCalibratedBinaryTrainer	IEstimator<TTransformer> stokastik çift koordinatlı yükseliş yöntemini kullanarak ikili lojistik regresyon sınıflandırma modelini eğitmek için.
SdcaNonCalibratedBinaryTrainer.Options	için SdcaNonCalibratedBinaryTrainerseçenekler.
SdcaNonCalibratedMulticlassTrainer	IEstimator<TTransformer> Doğrusal çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etme. Eğitilen model LinearMulticlassModelParameters sınıfların olasılıklarını üretir.
SdcaNonCalibratedMulticlassTrainer.Options	SdcaNonCalibratedMulticlassTrainer.Optionsiçinde SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)kullanıldığı gibi içinSdcaNonCalibratedMulticlassTrainer.
SdcaRegressionTrainer	IEstimator<TTransformer> Stokastik çift koordinatlı yükseliş yöntemini kullanarak regresyon modelini eğitmek için.
SdcaRegressionTrainer.Options	için SdcaRegressionTrainerseçenekler.
SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	SDCA tabanlı eğitmenler için seçenekler.
SdcaTrainerBase<TOptions,TTransformer,TModel>	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
SgdBinaryTrainerBase<TModel>.OptionsBase	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
SgdBinaryTrainerBase<TModel>	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
SgdCalibratedTrainer	IEstimator<TTransformer> Paralel stokastik gradyan yöntemi kullanarak lojistik regresyon eğitimi için. Eğitilen model kalibre edilir ve doğrusal işlevin çıkış değerini bir PlattCalibratoröğesine besleyerek olasılık üretebilir.
SgdCalibratedTrainer.Options	SgdCalibratedTrainerSgdCalibrated(Seçenekler)'de kullanılan için seçenekleri.
SgdNonCalibratedTrainer	IEstimator<TTransformer> Paralel stokastik gradyan yöntemi kullanarak lojistik regresyon eğitimi için.
SgdNonCalibratedTrainer.Options	SgdNonCalibratedTrainerSgdNonCalibrated(Seçenekler)'de kullanılan için seçenekleri.
SmoothedHingeLoss	Sınıflandırma görevlerinde yaygın olarak kullanılan, işlevin HingeLoss sorunsuz bir sürümü.
SquaredLoss	Regresyon görevlerinde yaygın olarak kullanılan Kareli Kayıp.
StochasticTrainerBase<TTransformer,TModel>	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
SymbolicSgdLogisticRegressionBinaryTrainer	IEstimator<TTransformer> Sembolik stokastik gradyan azalmasıyla eğitilmiş doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme.
SymbolicSgdLogisticRegressionBinaryTrainer.Options	içinde SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)kullanılan için SymbolicSgdLogisticRegressionBinaryTrainer seçenekleri.
TrainerEstimatorBase<TTransformer,TModel>	Bu, 'basit eğitmen' için temel bir sınıfı temsil eder. 'Basit eğitmen' bir özellik sütununu ve bir etiket sütununu, isteğe bağlı olarak bir ağırlık sütununu kabul eder. Bir 'tahmin transformatörü' üretir.
TrainerEstimatorBaseWithGroupId<TTransformer,TModel>	Bu, 'basit eğitmen' için temel bir sınıfı temsil eder. 'Basit eğitmen' bir özellik sütununu ve bir etiket sütununu, isteğe bağlı olarak bir ağırlık sütununu kabul eder. Bir 'tahmin transformatörü' üretir.
TrainerInputBase	Tüm eğitmen girişleri için temel sınıf.
TrainerInputBaseWithGroupId	Bir grup sütununu destekleyen tüm eğitmen girişleri için temel sınıf.
TrainerInputBaseWithLabel	Etiket sütununu destekleyen tüm eğitmen girişleri için temel sınıf.
TrainerInputBaseWithWeight	Ağırlık sütununu destekleyen tüm eğitmen girişleri için temel sınıf.
TweedieLoss	Tweedie dağılımının günlük olasılığına bağlı olarak weedie kaybı. Bu kayıp işlevi, Tweedie regresyonunda kullanılır.
UnsupervisedTrainerInputBaseWithWeight	Ağırlık sütununu destekleyen tüm denetimsiz eğitmen girişleri için temel sınıf.

Yapılar

LsrDecay.LearningRateSchedulerItem

Bu yapı öğrenme oranı zamanlayıcı öğe türünü temsil eder

Arabirimler

ICalculateFeatureContribution	Model parametrelerine göre özellik katkısı hesaplama desteği sağlar.
IClassificationLoss	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
ILossFunction<TOutput,TLabel>	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
IRegressionLoss	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
IScalarLoss	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
ISupportSdcaClassificationLoss	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
ISupportSdcaLoss	Kayıp işlevi, en uygun çift güncelleştirme başvurusu için yakın form çözümünü biliyor olabilir Ref: Sec(6.2) http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf
ISupportSdcaRegressionLoss	Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
ITrainerEstimator<TTransformer,TModel>	Eğitmen Tahmin Aracı arabirimi.

Numaralandırmalar

KMeansTrainer.InitializationAlgorithm

Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.