Aracılığıyla paylaş


LbfgsLogisticRegressionBinaryTrainer.Options Sınıf

Tanım

public sealed class LbfgsLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.LbfgsTrainerBase<Microsoft.ML.Trainers.LbfgsLogisticRegressionBinaryTrainer.Options,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>>.OptionsBase
type LbfgsLogisticRegressionBinaryTrainer.Options = class
    inherit LbfgsTrainerBase<LbfgsLogisticRegressionBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>.OptionsBase
Public NotInheritable Class LbfgsLogisticRegressionBinaryTrainer.Options
Inherits LbfgsTrainerBase(Of LbfgsLogisticRegressionBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)).OptionsBase
Devralma

Oluşturucular

LbfgsLogisticRegressionBinaryTrainer.Options()

içinde kullanılan için LbfgsLogisticRegressionBinaryTrainer seçenekleri LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

Alanlar

ComputeStandardDeviation

Bunun örneği ComputeLogisticRegressionStandardDeviation , eğitimin sonundaki eğitim istatistiklerinin std değerini hesaplar. Hesaplamalar, MKL'nin boyutu nedeniyle Microsoft.ML paketinin bir parçası değildir. Bu hesaplamalara ihtiyacınız varsa Microsoft.ML.Mkl.Components paketini ekleyin ve başlatın ComputeStandardDeviation. ComputeLogisticRegressionStandardDeviation microsoft.ML.Mkl.Components paketindeki uygulamaya.

DenseOptimizer

İç iyileştirme vektörlerinin reddedilmesini zorlama. Varsayılan değer false’tur.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
EnforceNonNegativity

Negatif olmayan ağırlıkları zorunlu kılma. Varsayılan değer false’tur.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ExampleWeightColumnName

Ağırlık gibi kullanılacak sütun.

(Devralındığı yer: TrainerInputBaseWithWeight)
FeatureColumnName

Özellikler için kullanılacak sütun.

(Devralındığı yer: TrainerInputBase)
HistorySize

Hessian'ı tahmin etmek için anımsanacak önceki yinelemelerin sayısı. Daha düşük değerler daha hızlı ama daha az doğru tahmin anlamına gelir.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
InitialWeightsDiameter

İlk ağırlıklar ölçeklendirilir.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
L1Regularization

L1 düzenlileştirme ağırlığı.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
L2Regularization

L2 düzenlileştirme ağırlığı.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
LabelColumnName

Etiketler için kullanılacak sütun.

(Devralındığı yer: TrainerInputBaseWithLabel)
MaximumNumberOfIterations

Yineleme sayısı.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
NumberOfThreads

İş parçacığı sayısı. Null, işlemci sayısını kullanmak anlamına gelir.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
OptimizationTolerance

İyileştirme yakınsama için tolerans parametresi. (Düşük = daha yavaş, daha doğru).

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
Quiet

Eğitim sırasında çıkış üretilip üretilmeyeceğini belirler.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ShowTrainingStatistics

Gerçek eğitim istatistikleri olarak ayarlanırsa, eğitimin sonunda oluşturulur. Çok sayıda öğrenme eğitimi parametreniz varsa (500'den fazla), eğitim istatistiklerinin oluşturulması birkaç saniye sürebilir. 1000'den fazla ağırlık birkaç dakika sürebilir. Bu durumlar için Microsoft.ML.Mkl.Components paketindeki mevcut örneğini ComputeLogisticRegressionStandardDeviation kullanmayı göz önünde bulundurun. Bu işlem, istatistikleri donanım hızlandırma kullanarak hesaplar.

StochasticGradientDescentInitilaizationTolerance

LR ağırlıklarını başlatmak için SGD'yi çalıştırın ve bu toleransa yakınsama.

(Devralındığı yer: LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)

Şunlara uygulanır