Microsoft.ML.Trainers Ad Alanı
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.
Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı.
Sınıflar
| Name | Description |
|---|---|
| AveragedLinearOptions |
Ortalama doğrusal eğitmenler için bağımsız değişken sınıfı. |
| AveragedLinearTrainer<TTransformer,TModel> |
Ortalama doğrusal eğitmenler için temel sınıf. |
| AveragedPerceptronTrainer |
IEstimator<TTransformer> Ortalama algı ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etmek için. |
| AveragedPerceptronTrainer.Options |
içinde AveragedPerceptronTrainerkullanılan için AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options) seçenekleri. |
| CoefficientStatistics |
Hesaplanan model parametreleriyle ilgili istatistikleri içeren katsayı istatistikleri nesnesini temsil eder. |
| ComputeLogisticRegressionStandardDeviation |
Standart sapma, p-değeri ve z-Score değerlerini 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 varlığından dolayı, eğitilen doğrusal katsayıların varyanslarını hesaplamak için bir yaklaşık değer kullanılır. |
| ComputeLRTrainingStdThroughMkl |
Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı. |
| ExpLoss |
Sınıflandırma görevlerinde yaygın olarak kullanılan Üstel Kayıp. |
| 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 slim 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, alan algılayan bir faktörizasyon makine modeli kullanarak hedefi tahmin etme. |
| FieldAwareFactorizationMachineTrainer.Options |
FieldAwareFactorizationMachineTrainer.Optionsiçinde FieldAwareFactorizationMachineTrainerkullanıldığı gibi içinFieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options). |
| 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 KMeansTrainer(Seçenekler)'de kullanılan için seçenekleri. |
| LbfgsLogisticRegressionBinaryTrainer |
IEstimator<TTransformer> L-BFGS yöntemiyle eğitilen doğrusal lojistik regresyon modelini kullanarak hedefi tahmin etme. |
| LbfgsLogisticRegressionBinaryTrainer.Options |
'de LbfgsLogisticRegressionBinaryTrainer kullanılan için 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 LbfgsMaximumEntropyMulticlassTrainerkullanıldığı gibi içinLbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options). |
| LbfgsPoissonRegressionTrainer |
IEstimator<TTransformer> Poisson regresyon modelini eğitme için. |
| LbfgsPoissonRegressionTrainer.Options |
LbfgsPoissonRegressionTrainer içinde kullanılan için seçenekleri. |
| LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase |
Temel seçenekler sınıfı, kaynaktanLbfgsTrainerBase<TOptions,TTransformer,TModel> türetilen eğitmen tahmin araçları için. |
| 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 etmek için. |
| LdSvmTrainer.Options |
Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı. |
| LearningRateScheduler |
Bu soyut sınıf, öğrenme oranı zamanlayıcıyı tanımlar. |
| LinearBinaryModelParameters |
Doğrusal ikili eğitmen tahmin araçları için model parametre 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 olası 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 LinearSvmTrainerkullanılan için LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options) 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 bozunması uygular. Tensorflow ince RESNET-CIFAR kıyaslama testinden benimsenen uygulama. https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py |
| MatrixFactorizationTrainer |
IEstimator<TTransformer> Matris çarpanlarını kullanarak matristeki öğeleri tahmin etme (işbirliğine dayalı filtreleme türü olarak da bilinir). |
| MatrixFactorizationTrainer.Options |
MatrixFactorization(Options) içinde kullanılan için MatrixFactorizationTrainer seçenekleri. |
| 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 kareleri (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 |
OnlineGradientDescentTrainer OnlineGradientDescent(Seçenekler)'de kullanılan için seçenekleri. |
| OnlineLinearOptions |
Çevrimiçi doğrusal eğitmenler için bağımsız değişkenler sınıfı. |
| OnlineLinearTrainer<TTransformer,TModel> |
Çevrimiçi doğrusal eğitmenler için temel sınıf. Çevrimiçi eğitimciler ek verilerle artımlı olarak güncelleştirilebilir. |
| PairwiseCouplingModelParameters |
için PairwiseCouplingTrainermodel parametreleri. |
| PairwiseCouplingTrainer |
IEstimator<TTransformer> Belirtilen ikili sınıflandırıcıyı kullanan çok sınıflı çift 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 slim 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 bir hedefi tahmin etmek için. |
| RandomizedPcaTrainer |
IEstimator<TTransformer> Rastgele SVD algoritmasını kullanarak yaklaşık bir PCA eğitimi için. |
| RandomizedPcaTrainer.Options |
RandomizedPcaTrainer RandomizedPca(Seçenekler) içinde kullanılan için seçenekleri. |
| RegressionModelParameters |
Regresyon için model parametreleri. |
| SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase |
SdcaBinaryTrainerBase<TModelParameters>seçenekleri. |
| SdcaBinaryTrainerBase<TModelParameters> |
SDCA, destek vektör makinesi, doğrusal regresyon, lojistik regresyon vb. gibi doğrusal modeller için (genelleştirilmiş) genel bir eğitim algoritmasıdır. SDCA ikili sınıflandırma eğitmen ailesi birkaç korumalı üye içerir: (1) SdcaNonCalibratedBinaryTrainer genel kayıp işlevlerini destekler ve döndürür LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer temelde düzenli bir lojistik regresyon modeli eğitmektedir. Lojistik regresyon doğal olarak olasılık çıkışı sağladığından, oluşturulan bu modelin türü şeklindedir CalibratedModelParametersBase<TSubModel,TCalibrator>.
where |
| SdcaLogisticRegressionBinaryTrainer |
IEstimator<TTransformer> stochastic çift koordinatlı ascent yöntemini kullanarak ikili lojistik regresyon sınıflandırma modelini eğitmek için. Eğitilen model kalibre edilir ve doğrusal işlevin çıkış değerini öğesine PlattCalibratorbesleyerek olasılık üretebilir. |
| SdcaLogisticRegressionBinaryTrainer.Options |
SdcaLogisticRegressionBinaryTrainer'de kullanılan için seçenekleri. |
| SdcaMaximumEntropyMulticlassTrainer |
Maksimum IEstimator<TTransformer> entropi çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etmek için. Eğitilen model MaximumEntropyModelParameters sınıfların olasılıklarını üretir. |
| SdcaMaximumEntropyMulticlassTrainer.Options |
SdcaMaximumEntropyMulticlassTrainer.Options içinde SdcaMaximumEntropyMulticlassTrainer kullanıldığı gibi 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 etmek için. Kullanılan kayıp işlevine bağlı olarak, eğitilen model entropi sınıflandırıcısı veya çok sınıflı destek vektör makinesi olabilir. |
| SdcaNonCalibratedBinaryTrainer |
IEstimator<TTransformer> stochastic çift koordinatlı ascent yöntemini kullanarak ikili lojistik regresyon sınıflandırma modelini eğitmek için. |
| SdcaNonCalibratedBinaryTrainer.Options |
için SdcaNonCalibratedBinaryTrainerseçenekler. |
| SdcaNonCalibratedMulticlassTrainer |
IEstimator<TTransformer> Doğrusal çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etmek için. Eğitilen model LinearMulticlassModelParameters sınıfların olasılıklarını üretir. |
| SdcaNonCalibratedMulticlassTrainer.Options |
SdcaNonCalibratedMulticlassTrainer.Optionsiçinde SdcaNonCalibratedMulticlassTrainerkullanıldığı gibi içinSdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>). |
| 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 |
Paralel IEstimator<TTransformer> stokastik gradyan yöntemi kullanılarak lojistik regresyon eğitimi için. Eğitilen model kalibre edilir ve doğrusal işlevin çıkış değerini öğesine PlattCalibratorbesleyerek olasılık üretebilir. |
| SgdCalibratedTrainer.Options |
SgdCalibrated(Seçenekler) içinde kullanılan için SgdCalibratedTrainer seçenekleri. |
| SgdNonCalibratedTrainer |
Paralel IEstimator<TTransformer> stokastik gradyan yöntemi kullanılarak lojistik regresyon eğitimi için. |
| SgdNonCalibratedTrainer.Options |
SgdNonCalibratedTrainer SgdNonCalibrated(Seçenekler)'de kullanılan için seçenekleri. |
| SmoothedHingeLoss |
Sınıflandırma görevlerinde yaygın olarak kullanılan, işlevin HingeLoss düzgün 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 azalma ile eğitilen doğrusal ikili sınıflandırma modelini kullanarak hedefi tahmin etme. |
| SymbolicSgdLogisticRegressionBinaryTrainer.Options |
içinde SymbolicSgdLogisticRegressionBinaryTrainerkullanılan için SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options) seçenekleri. |
| TrainerEstimatorBase<TTransformer,TModel> |
Bu, 'basit eğitmen' için temel bir sınıfı temsil eder. Bir 'basit eğitmen' bir özellik sütunu ve bir etiket sütunu, isteğe bağlı olarak bir ağırlık sütunu kabul eder. Bir 'tahmin transformatörü' üretir. |
| TrainerEstimatorBaseWithGroupId<TTransformer,TModel> |
Bu, 'basit eğitmen' için temel bir sınıfı temsil eder. Bir 'basit eğitmen' bir özellik sütunu ve bir etiket sütunu, isteğe bağlı olarak bir ağırlık sütunu 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 Tweedie kaybı. Bu kayıp işlevi, Tweedie regresyonunda kullanılır. |
| UnsupervisedTrainerInputBaseWithWeight |
Ağırlık sütununu destekleyen tüm denetimsiz eğitmen girişleri için temel sınıf. |
Yapılar
| Name | Description |
|---|---|
| LsrDecay.LearningRateSchedulerItem |
Bu yapı öğrenme oranı zamanlayıcı öğe türünü temsil eder |
Arabirimler
| Name | Description |
|---|---|
| ICalculateFeatureContribution |
Model parametrelerine göre özellik katkı hesaplaması 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 ikili güncelleştirmenin yakın form çözümünü biliyor olabilir Başv: 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
| Name | Description |
|---|---|
| KMeansTrainer.InitializationAlgorithm |
Eğitmenleri, model parametrelerini ve yardımcı programları içeren ad alanı. |
| MatrixFactorizationTrainer.LossFunctionType |
Kayıp işlevinin türü. |