GamBinaryTrainer 类
定义
重要
一些信息与预发行产品相关，相应产品在发行之前可能会进行重大修改。 对于此处提供的信息，Microsoft 不作任何明示或暗示的担保。
用于 IEstimator<TTransformer> 使用通用累加模型训练二元分类模型 (GAM) 。
public sealed class GamBinaryTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>type GamBinaryTrainer = class
inherit GamTrainerBase<GamBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>Public NotInheritable Class GamBinaryTrainer
Inherits GamTrainerBase(Of GamBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator))- 继承
注解
输入和输出列
输入标签列数据必须为 Boolean。 输入特征列数据必须是已知大小的向量 Single。
该训练程序输出以下列：
| 输出列名称 | 列名称 | 说明 | |
|---|---|---|---|
Score |
Single | 模型计算的未绑定分数。 | |
PredictedLabel |
Boolean | 预测的标签，基于分数符号。 负分数映射到 false，正分数映射到 true。 |
|
Probability |
Single | 通过校准具有 true 作为标签的分数来计算的概率。 概率值在 [0， 1] 范围内。 |
训练器特征
| 机器学习任务 | 二元分类 |
| 规范化是否需要？ | 否 |
| 是否需要缓存？ | 否 |
| 除 Microsoft.ML 外所需的 NuGet | Microsoft.ML.FastTree |
| 可导出到 ONNX | 否 |
训练算法详细信息
通用累加模型或 GAM 将数据建模为类似于线性模型的一组线性独立特征。 对于每个特征，GAM 训练器将学习一个名为“形状函数”的非线性函数，该函数将响应计算为特征值的函数。 (相反，线性模型适合线性响应 (，例如每个特征的直线) 。) 若要对输入进行评分，将求和所有形状函数的输出，分数是总值。
此 GAM 训练器是使用浅渐变提升树实现的 (，例如树桩) 学习非参数形状函数，并基于卢、卡鲁阿纳和 Gehrke 中所述的方法。 “用于分类和回归的 Intelligible 模型。 KDD'12，北京，中国。 2012. 训练后，将添加一个截距来表示训练集的平均预测，并规范化形状函数来表示与平均预测的偏差。 这会导致只需检查截距和形状函数即可轻松解释的模型。 有关如何训练 GAM 模型并检查和解释结果的示例，请参阅以下示例。
有关用法示例的链接，请查看“另请参阅”部分。
字段
| FeatureColumn |
训练程序期望的功能列。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
训练程序期望的标签列。 可以是 |
| WeightColumn |
训练器期望的权重列。 可以 |
属性
| Info |
用于 IEstimator<TTransformer> 使用通用累加模型训练二元分类模型 (GAM) 。 (继承自 GamTrainerBase<TOptions,TTransformer,TPredictor>) |
方法
| Fit(IDataView, IDataView) |
使用训练和验证数据训练一个 GamBinaryTrainer 返回 a BinaryPredictionTransformer<TModel>. |
| Fit(IDataView) |
火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
用于 IEstimator<TTransformer> 使用通用累加模型训练二元分类模型 (GAM) 。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
扩展方法
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。 |