SgdCalibratedTrainer 类

定义

命名空间:

Microsoft.ML.Trainers

程序集:

Microsoft.ML.StandardTrainers.dll

包:

Microsoft.ML v3.0.1

用于 IEstimator<TTransformer> 使用并行随机渐变方法训练逻辑回归。 训练的模型经过 校准 ，可以通过将线性函数的输出值馈送给 a PlattCalibrator来生成概率。

public sealed class SgdCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type SgdCalibratedTrainer = class
    inherit SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SgdCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

继承

Object

TrainerEstimatorBase<TTransformer,TModel>

LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>

SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SgdCalibratedTrainer

注解

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

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。
Probability	Single	通过校准具有 true 作为标签的分数来计算的概率。 概率值在 [0， 1] 范围内。

训练器特征

机器学习任务	二元分类
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	是

训练算法详细信息

随机梯度下降 () 是一种流行的随机优化过程，可以集成到多个机器学习任务中，以实现最先进的性能。 此训练器为二元分类实现 Hogwild 随机梯度下降，该分类支持多线程处理，无需任何锁定。 如果关联的优化问题稀疏，Hogwild 随机梯度下降可实现接近最佳收敛率。 有关霍格维尔德随机梯度下降的更多详细信息，可 在此处找到。

有关用法示例的链接，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> 使用并行随机渐变方法训练逻辑回归。 训练的模型经过 校准 ，可以通过将线性函数的输出值馈送给 a PlattCalibrator来生成概率。 (继承自 SgdBinaryTrainerBase<TModel>)

方法

Fit(IDataView)	火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	继续使用已训练modelParameters的SdcaLogisticRegressionBinaryTrainer训练并返回 aMicrosoft.ML.Data.BinaryPredictionTransformer。 (继承自 SgdBinaryTrainerBase<TModel>)
GetOutputSchema(SchemaShape)	用于 IEstimator<TTransformer> 使用并行随机渐变方法训练逻辑回归。 训练的模型经过 校准 ，可以通过将线性函数的输出值馈送给 a PlattCalibrator来生成概率。 (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

• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
• SgdCalibratedTrainer.Options