LdSvmTrainer 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。
使用 IEstimator<TTransformer> 使用本地深度 SVM 训练的非线性二元分类模型预测目标。
public sealed class LdSvmTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LdSvmModelParameters>,Microsoft.ML.Trainers.LdSvmModelParameters>type LdSvmTrainer = class
inherit TrainerEstimatorBase<BinaryPredictionTransformer<LdSvmModelParameters>, LdSvmModelParameters>Public NotInheritable Class LdSvmTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of LdSvmModelParameters), LdSvmModelParameters)- 继承
注解
若要创建此训练程序，请使用 LdSvm 或 LdSvm (选项) 。
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。 |
训练器特征
| 机器学习任务 | 二元分类 |
| 规范化是否需要？ | 是 |
| 是否需要缓存？ | 否 |
| 除 Microsoft.ML 外所需的 NuGet | 无 |
| 可导出到 ONNX | 否 |
训练算法详细信息
本地深度 SVM (LD-SVM) 是针对非线性 SVM 的本地化多内核学习的通用化。 对于特征空间中的每个点，多个内核方法了解不同的内核，因此会使用不同的分类器。 对于大型训练集来说，多个内核方法的预测时间成本可能非常昂贵，因为它与支持向量的数量成正比，并且随着训练集的大小线性增长。 LD-SVM 通过学习基于树的局部特征嵌入（高维和稀疏、有效地编码非线性）来降低预测成本。 使用 LD-SVM 时，预测成本以对数方式增长，训练集的大小而不是线性增长，分类准确性可容忍损失。
本地深度 SVM 是 C.Jose、P. Goyal、P. Aggwal 和 M. Varma（用于高效非线性 SVM 预测、ICML、2013 年 ICML）中所述的算法的实现。
有关使用示例的链接，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 |
使用 IEstimator<TTransformer> 使用本地深度 SVM 训练的非线性二元分类模型预测目标。 |
方法
| Fit(IDataView) |
火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
使用 IEstimator<TTransformer> 使用本地深度 SVM 训练的非线性二元分类模型预测目标。 (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。 |