OnlineGradientDescentTrainer 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 联机梯度下降（OGD） 训练线性回归模型，用于估算线性回归模型的参数。
public sealed class OnlineGradientDescentTrainer : Microsoft.ML.Trainers.AveragedLinearTrainer<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.LinearRegressionModelParameters>,Microsoft.ML.Trainers.LinearRegressionModelParameters>type OnlineGradientDescentTrainer = class
inherit AveragedLinearTrainer<RegressionPredictionTransformer<LinearRegressionModelParameters>, LinearRegressionModelParameters>Public NotInheritable Class OnlineGradientDescentTrainer
Inherits AveragedLinearTrainer(Of RegressionPredictionTransformer(Of LinearRegressionModelParameters), LinearRegressionModelParameters)- 继承
注解
若要创建此训练程序，请使用 OnlineGradientDescent 或 OnlineGradientDescent（选项）。
输入和输出列
输入标签列中的数据必须是 Single。 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 | 列类型 | Description |
|---|---|---|
Score |
Single | 模型预测的未绑定分数。 |
训练器特征
| 机器学习任务 | Regression |
| 是否需要规范化？ | 是的 |
| 是否需要缓存？ | 否 |
| 除 Microsoft.ML 之外所需的 NuGet | None |
| 可导出到 ONNX | 是的 |
训练算法详细信息
随机梯度下降使用一种简单但高效的迭代技术来拟合模型系数，使用误差渐变实现凸失函数。 联机梯度下降（OGD）实现标准（非批处理）随机梯度下降，可以选择损失函数，并可以选择使用随时间变化的矢量的平均值更新权重向量（默认情况下，平均参数设置为 True）。
有关使用示例的链接，请查看“另请参阅”部分。
字段
| 名称 | 说明 |
|---|---|
| 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
| 名称 | 说明 |
|---|---|
| Info |
用于 IEstimator<TTransformer> 使用 联机梯度下降（OGD） 训练线性回归模型，用于估算线性回归模型的参数。 (继承自 OnlineLinearTrainer<TTransformer,TModel>) |
方法
| 名称 | 说明 |
|---|---|
| Fit(IDataView, LinearModelParameters) |
继续使用已训练 |
| Fit(IDataView) |
火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
用于 IEstimator<TTransformer> 使用 联机梯度下降（OGD） 训练线性回归模型，用于估算线性回归模型的参数。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
扩展方法
| 名称 | 说明 |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
将“缓存检查点”追加到估算器链。 这将确保根据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，返回一个包装对象，该对象将调用委托一次 Fit(IDataView) 。 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> 通常形成成包含许多对象的管道，因此我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链来生成一个估算器链，而我们想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一个委托，该委托将在调用拟合后调用。 |