SgdCalibratedTrainer Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Trainers

Bütünleştirilmiş Kod:

Microsoft.ML.StandardTrainers.dll

Paket:

Microsoft.ML v3.0.1

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.

public sealed class SgdCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type SgdCalibratedTrainer = class
    inherit SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SgdCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

Devralma

Object

TrainerEstimatorBase<TTransformer,TModel>

LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>

SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SgdCalibratedTrainer

Açıklamalar

Bu eğitmeni oluşturmak için SgdCalibrated veya SgdCalibrated(Seçenekler) kullanın.

Giriş ve Çıkış Sütunları

Giriş etiketi sütun verileri olmalıdır Boolean. Giriş özellikleri sütun verileri bilinen boyutlu bir vektör Singleolmalıdır.

Bu eğitmen aşağıdaki sütunları oluşturur:

Çıkış Sütunu Adı	Sütun Türü	Description
Score	Single	Model tarafından hesaplanan ilişkisiz puan.
PredictedLabel	Boolean	Puanın işaretine göre tahmin edilen etiket. Negatif puan ile false , pozitif puan ise ile trueeşler.
Probability	Single	Etiket olarak true değerinin puanını ayarlayarak hesaplanan olasılık. Olasılık değeri [0, 1] aralığındadır.

Eğitmen Özellikleri

Makine öğrenmesi görevi	İkili sınıflandırma
Normalleştirme gerekli mi?	Yes
Önbelleğe alma gerekli mi?	No
Microsoft.ML ek olarak gerekli NuGet	Hiçbiri
ONNX'e aktarılabilir	Yes

Eğitim Algoritması Ayrıntıları

Stokastik Gradyan Azalma (SGD), en son teknoloji performansı elde etmek için çeşitli makine öğrenmesi görevleriyle tümleştirilebilen popüler stokastik iyileştirme yordamlarından biridir. Bu eğitmen, herhangi bir kilitleme olmadan çoklu iş parçacığını destekleyen ikili sınıflandırma için Hogwild Stochastic Gradyan Azalmasını uygular. İlgili iyileştirme sorunu seyrekse Hogwild Stochastic Gradyan Azalma neredeyse en uygun yakınsama oranına ulaşır. Hogwild Stochastic Gradyan Azalma hakkında daha fazla bilgi için burada bulunabilir.

Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.

Alanlar

FeatureColumn	Eğitmenin beklediği özellik sütunu. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Eğitmenin beklediği etiket sütunu. etiketin eğitim için kullanılmadığını gösteren olabilir null. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Eğitmenin beklediği ağırlık sütunu. olabilir null, bu da ağırlığın eğitim için kullanılmadığını gösterir. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)

Özellikler

Info	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. (Devralındığı yer: SgdBinaryTrainerBase<TModel>)

Yöntemler

Fit(IDataView)	Bir ITransformereğiter ve döndürür. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	Önceden eğitilmiş modelParameters bir kullanarak bir SdcaLogisticRegressionBinaryTrainer öğesinin eğitimine devam eder ve bir Microsoft.ML.Data.BinaryPredictionTransformerdöndürür. (Devralındığı yer: SgdBinaryTrainerBase<TModel>)
GetOutputSchema(SchemaShape)	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. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)

Uzantı Metotları

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

Tahmin aracı zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçişi alan eğitmenlerden önce bir önbelleğe alma denetim noktası olması yararlıdır.

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

Tahmin aracı verildiğinde, çağrıldıktan sonra Fit(IDataView) temsilci çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir. Bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesneye sahip işlem hatları halinde oluşturulur, bu nedenle transformatör almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz.

Ayrıca bkz.

• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
• SgdCalibratedTrainer.Options