SymbolicSgdLogisticRegressionBinaryTrainer Sınıf
Tanım
Önemli
Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.
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
-
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 true eşler. |
|
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 |
WeightColumn |
Eğitmenin beklediği ağırlık sütunu. |
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 |
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. |
Şunlara uygulanır
Ayrıca bkz.
- SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
- SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
- SymbolicSgdLogisticRegressionBinaryTrainer.Options
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin