LinearSvmTrainer 类

定义

命名空间:

Microsoft.ML.Trainers

程序集:

Microsoft.ML.StandardTrainers.dll

包:

Microsoft.ML v3.0.1

使用 IEstimator<TTransformer> 线性 SVM 训练的线性二元分类模型预测目标。

public sealed class LinearSvmTrainer : Microsoft.ML.Trainers.OnlineLinearTrainer<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LinearBinaryModelParameters>,Microsoft.ML.Trainers.LinearBinaryModelParameters>

type LinearSvmTrainer = class
    inherit OnlineLinearTrainer<BinaryPredictionTransformer<LinearBinaryModelParameters>, LinearBinaryModelParameters>

Public NotInheritable Class LinearSvmTrainer
Inherits OnlineLinearTrainer(Of BinaryPredictionTransformer(Of LinearBinaryModelParameters), LinearBinaryModelParameters)

继承

Object

TrainerEstimatorBase<TTransformer,TModel>

OnlineLinearTrainer<BinaryPredictionTransformer<LinearBinaryModelParameters>,LinearBinaryModelParameters>

LinearSvmTrainer

注解

若要创建此训练器，请使用 LinearSvm 或 LinearSvm (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	是

训练算法详细信息

线性 SVM 通过解决 SVM 问题，实现在二元分类的功能空间中查找超平面的算法。 例如，对于特征值$f_0，f_1,..., f_{D-1}$，则通过确定点的超平面的哪一侧来给出预测。 这与 feautures 加权和的符号相同，即 $\sum_{i = 0}^{D-1} \left (w_i * f_i \right) + b$，其中$w_0，w_1,..., w_{D-1}$ 是算法计算的权重，$b$ 是算法计算的偏差。

线性 SVM 实现了 PEGASOS 方法，该方法在随机梯度下降步骤和投影步骤之间交替， 该 方法由 Shalev-Shwartz、Singer 和 Srebro 引入。

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 null，指示标签不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	训练器期望的权重列。 可以 null，这表示权重不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)

属性

Info	使用 IEstimator<TTransformer> 线性 SVM 训练的线性二元分类模型预测目标。 (继承自 OnlineLinearTrainer<TTransformer,TModel>)

方法

Fit(IDataView)	火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	OnlineLinearTrainer<TTransformer,TModel>继续使用已训练modelParameters的训练并返回 aITransformer。 (继承自 OnlineLinearTrainer<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	使用 IEstimator<TTransformer> 线性 SVM 训练的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。

另请参阅

• LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
• LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)