PairwiseCouplingTrainer 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> 训练使用指定二进制分类器的双双耦合多类分类器。
public sealed class PairwiseCouplingTrainer : Microsoft.ML.Trainers.MetaMulticlassTrainer<Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Trainers.PairwiseCouplingModelParameters>,Microsoft.ML.Trainers.PairwiseCouplingModelParameters>type PairwiseCouplingTrainer = class
inherit MetaMulticlassTrainer<MulticlassPredictionTransformer<PairwiseCouplingModelParameters>, PairwiseCouplingModelParameters>Public NotInheritable Class PairwiseCouplingTrainer
Inherits MetaMulticlassTrainer(Of MulticlassPredictionTransformer(Of PairwiseCouplingModelParameters), PairwiseCouplingModelParameters)- 继承
-
MetaMulticlassTrainer<MulticlassPredictionTransformer<PairwiseCouplingModelParameters>,PairwiseCouplingModelParameters>PairwiseCouplingTrainer
注解
若要创建此训练器，请使用 PairwiseCoupling。
输入和输出列
输入标签列数据必须是 键 类型，特征列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 | 描述 |
|---|---|---|
Score |
Single 的向量 | 所有类的分数。 值越高意味着落入相关类的概率越高。 如果第 i 个元素具有最大值，则预测的标签索引为 i。 请注意，i 是从零开始的索引。 |
PredictedLabel |
key 类型 | 预测标签的索引。 如果其值为 i，则实际标签为键值输入标签类型中的第 i 个类别。 |
训练器特征
| 机器学习任务 | 多类分类 |
| 是否需要规范化？ | 取决于基础二进制分类器 |
| 是否需要缓存？ | 是 |
| 除 Microsoft.ML 以外，还需要 NuGet | 无 |
| 可导出到 ONNX | 否 |
训练算法详细信息
在此策略中，在每对类上训练二元分类算法。 对是无序的，但使用替换创建：因此，如果有三个类， 0， 1， 2， 我们将训练分类器 (0，0) ， (0，1) ， (0，2) ， (1，1) ， (1，2) ， (2，2) 。 对于每个二进制分类器，如果输入数据点位于对中的两个类之一，则输入数据点被视为正示例，否则为负示例。 在预测时，将每个类的概率视为给定数据处于两个对的任一类中，并且每个类的最终预测概率根据示例在任何给定对中的概率进行计算。
这可以让你利用不自然具有多类选项的训练器，例如，使用 FastTreeBinaryTrainer 多类问题来解决多类问题。 或者，即使训练程序具有多类选项，也可以允许 ML.NET 解决一个“更简单”的问题，但由于通常内存约束，直接使用它是不可行的。 例如，虽然多类逻辑回归是解决多类问题的一种更有原则的方法，但它要求训练器以 L-BFGS 历史记录的形式 同时存储更多的中间状态，而不仅仅是一对耦合分类模型所需的一对耦合分类模型。
有关使用示例的链接，请查看“另请参阅”部分。
属性
| Info |
用于 IEstimator<TTransformer> 训练使用指定二进制分类器的双双耦合多类分类器。 (继承自 MetaMulticlassTrainer<TTransformer,TModel>) |
方法
| Fit(IDataView) |
将数据拟合到转换器 |
| GetOutputSchema(SchemaShape) |
获取输出列。 (继承自 MetaMulticlassTrainer<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适合的内容的信息，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> 估算器链生成一个估算器链，以便将转换器埋在此链中的某个位置。 对于该方案，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。 |