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成对耦合多类分类器。
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 | 列类型 | Description |
|---|---|---|
Score |
Single 的向量 | 所有类的分数。 较高的值表示属于关联类的概率较高。 如果 i-th 元素具有最大值，则预测的标签索引将为 i。 请注意，i 是从零开始的索引。 |
PredictedLabel |
键类型 | 预测标签的索引。 如果其值为 i，则实际标签将是键值输入标签类型中的第一个类别。 |
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？ | 是的 |
| 除 Microsoft.ML 之外所需的 NuGet | None |
| 可导出到 ONNX | 否 |
训练算法详细信息
在此策略中，针对每对类训练二元分类算法。 两对是无序的，但用替换创建：所以，如果有三个类，0,1,2，我们将训练分类器对（0,0,1），（0,2），（1,1），（1,2），和（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，每对类的概率被视为给定数据的任一对中的概率，并且根据每个类计算出每个类的最终预测概率，假设某个示例在任何给定对中的概率。
这可以让你利用自然没有多类选项的训练程序，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，而不是像成对耦合分类模型一样逐个存储。
有关使用示例的链接，请查看“另请参阅”部分。
属性
| 名称 | 说明 |
|---|---|
| Info |
用于 IEstimator<TTransformer> 训练使用指定二进制分类器的成对耦合多类分类器。 (继承自 MetaMulticlassTrainer<TTransformer,TModel>) |
方法
| 名称 | 说明 |
|---|---|
| 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
| 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。 |