RandomizedPcaTrainer 类

定义

命名空间:

Microsoft.ML.Trainers

程序集:

Microsoft.ML.PCA.dll

包:

Microsoft.ML v3.0.1

用于 IEstimator<TTransformer> 使用随机 SVD 算法训练近似 PCA。

public sealed class RandomizedPcaTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.AnomalyPredictionTransformer<Microsoft.ML.Trainers.PcaModelParameters>,Microsoft.ML.Trainers.PcaModelParameters>

type RandomizedPcaTrainer = class
    inherit TrainerEstimatorBase<AnomalyPredictionTransformer<PcaModelParameters>, PcaModelParameters>

Public NotInheritable Class RandomizedPcaTrainer
Inherits TrainerEstimatorBase(Of AnomalyPredictionTransformer(Of PcaModelParameters), PcaModelParameters)

继承

Object

TrainerEstimatorBase<AnomalyPredictionTransformer<PcaModelParameters>,PcaModelParameters>

RandomizedPcaTrainer

注解

若要创建此训练器，请使用 RandomizedPca 或 RandomizedPca (选项) 。

输入和输出列

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	异常情况检测模型计算的非负、未绑定分数。
PredictedLabel	Boolean	基于阈值的预测标签。 高于阈值的分数映射到 true ，分数低于阈值映射到 false的分数。 默认阈值为 0.5.用于 <xref:AnomalyDetectionCatalog.ChangeModelThreshold> 更改默认值。

训练器特征

机器学习任务	异常检测
是否需要规范化？	是
是否需要缓存？	否
除 Microsoft.ML 以外，还需要 NuGet	无
可导出到 ONNX	否

训练算法详细信息

此训练器使用顶部特征函数来近似包含正常类的子空间。 对于每个新实例，它将计算原始特征向量与该子空间上投影特征之间的规范差。 如果错误接近 0，则实例被视为正常 (非异常) 。

更具体地说，此训练器使用随机方法训练近似 PCA，以计算其行是输入向量的矩阵的奇数分解 (SVD) 。 此训练器生成的模型包含三个参数：

• 投影矩阵 $U$
• 原始特征空间中的平均值向量 $m$
• 投影特征空间中的平均值向量 $p$

对于输入特征向量$x$，通过比较原始输入向量的 $L_2$ 规范和投影向量的 $L_2$ 规范，计算异常分数：$\sqrt{\left (|x-m|_2^2 - |Ux-p|_2^2\right) |x-m|_2^2}$。

此处介绍了该方法。

请注意，在将数据传递给训练器之前，可以将算法应用于 ApproximatedKernelTransformer 内核 PCA。

有关使用示例的链接，请查看“另请参阅”部分。

字段

FeatureColumn	训练器期望的功能列。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	训练器期望的标签列。 可以 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，指示权重不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)

属性

Info	用于 IEstimator<TTransformer> 使用随机 SVD 算法训练近似 PCA。

方法

Fit(IDataView)	火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	用于 IEstimator<TTransformer> 使用随机 SVD 算法训练近似 PCA。 (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。

另请参阅

• RandomizedPca(AnomalyDetectionCatalog+AnomalyDetectionTrainers, String, String, Int32, Int32, Boolean, Nullable<Int32>)
• RandomizedPca(AnomalyDetectionCatalog+AnomalyDetectionTrainers, RandomizedPcaTrainer+Options)
• RandomizedPcaTrainer.Options