SymbolicSgdLogisticRegressionBinaryTrainer Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Trainers

Bütünleştirilmiş Kod:

Microsoft.ML.Mkl.Components.dll

Paket:

Microsoft.ML.Mkl.Components v3.0.1

IEstimator<TTransformer> Sembolik stokastik gradyan azalma ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme.

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<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>>

type SymbolicSgdLogisticRegressionBinaryTrainer = class
    inherit TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

Devralma

Object

TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>,CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SymbolicSgdLogisticRegressionBinaryTrainer

Açıklamalar

Bu eğitmeni oluşturmak için SymbolicStochasticGradientDescent veya SymbolicStochasticGradientDescent(Options) 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	Microsoft.ML.Mkl.Components
ONNX'e aktarılabilir	Yes

Eğitim Algoritması Ayrıntıları

Sembolik stokastik gradyan azalma, ayrılan bir hiper düzlem bularak tahminde bulunan bir algoritmadır. Örneğin, $f 0, f1,..., f_{D-1}$ özellik değerleriyle, noktanın hiper düzlemin hangi tarafında yer aldığı belirlenerek tahmin verilir. Bu, özelliğin ağırlıklı toplamının işaretiyle aynıdır; örneğin $\sum_{i = 0}^{D-1} (w_i * f_i) + b$; burada $w_0, w_1,..., w_{D-1}$ algoritma tarafından hesaplanan ağırlıklar ve $b$ ise algoritma tarafından hesaplanan sapmadır.

Sembolik stokastik gradyan azalma algoritmalarının çoğu doğal olarak sıralı olsa da, her adımda geçerli örneğin işlenmesi önceki örneklerden öğrenilen parametrelere bağlıdır. Bu algoritma, yerel modelleri ayrı iş parçacıklarında ve olasılığa dayalı model cobminer'da eğiterek yerel modellerin bir araya getirilerek sıralı sembolik stokastik gradyan azalmanın beklenti içinde üreteceği sonucun aynısını oluşturmasını sağlar.

Daha fazla bilgi için bkz. Ses Birleştiricileri ile Paralel Stokastik Gradyan Azalma.

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. nullolabilir, bu da ağırlığın eğitim için kullanılmadığını gösterir. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)

Özellikler

Info	IEstimator<TTransformer> Sembolik stokastik gradyan azalma ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme.

Yöntemler

Fit(IDataView)	bir ITransformereğitip döndürür. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	Önceden eğitilmiş modelParametersMicrosoft.ML.Data.BinaryPredictionTransformerbir kullanma eğitimine SymbolicSgdLogisticRegressionBinaryTrainer devam eder.
GetOutputSchema(SchemaShape)	IEstimator<TTransformer> Sembolik stokastik gradyan azalma ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)

Uzantı Metotları

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

Tahmin zincirine 'önbelleğe alma denetim noktası' ekleme. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçiren eğitmenlerden önce bir önbelleğe alma kontrol noktası olması yararlıdır.

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

Tahmin aracı verildiğinde, bir temsilci çağrıldıktan sonra Fit(IDataView) 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 nesne içeren işlem hatları halinde oluşturulur, bu nedenle transformatörü 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.

• SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
• SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
• SymbolicSgdLogisticRegressionBinaryTrainer.Options