GamBinaryTrainer 類別
定義
重要
部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。
， IEstimator<TTransformer> 用於使用一般化加法模型來定型二元分類模型， (GAM) 。
public sealed class GamBinaryTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>type GamBinaryTrainer = class
inherit GamTrainerBase<GamBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>Public NotInheritable Class GamBinaryTrainer
Inherits GamTrainerBase(Of GamBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator))- 繼承
備註
若要建立此定型器，請使用 Gam 或 Gam (Options) 。
輸入和輸出資料行
輸入標籤資料行資料必須是 Boolean。 輸入特徵資料行資料必須是 的已知大小向量 Single 。
此定型器會輸出下列資料行：
| 輸出資料行名稱 | 資料行類型 | 描述 | |
|---|---|---|---|
Score |
Single | 模型所計算的未系結分數。 | |
PredictedLabel |
Boolean | 預測標籤 (根據分數的正負號)。 負值分數會對應到 false，正值分數則會對應到 true。 |
|
Probability |
Single | 藉由校正具有 true 作為標籤的分數來計算的機率。 機率值的範圍為 [0， 1]。 |
定型器特性
| 機器學習工作 | 二元分類 |
| 是否需要正規化？ | 否 |
| 是否需要快取？ | 否 |
| 除了 Microsoft.ML 之外，還需要 NuGet | Microsoft.ML.FastTree |
| 可匯出至 ONNX | 否 |
定型演算法詳細資料
一般化加法模型或 GAM 會將資料模型化為一組線性獨立特徵，類似于線性模型。 針對每個特徵，GAM 定型器會學習稱為「形狀函式」的非線性函式，以將回應計算為特徵值的函式。 (相反地，線性模型符合線性回應 (，例如每個功能的線條) 。) 為了為輸入評分，會加總所有圖形函式的輸出，而分數則是總值。
此 GAM 定型器是使用淺層漸層促進式樹狀結構實作 (例如樹狀結構 stumps) 來學習非參數圖形函式，並以 Lou、Caruana 和 Gehrke 中所述的方法為基礎。 「適用于分類和回歸的 Intelligible 模型」。 KDD'12，英國，中國。 2012. 定型之後，會新增攔截來代表定型集的平均預測，而圖形函式會正規化以代表平均預測的偏差。 這會導致只要檢查攔截和圖形函式，即可輕鬆解譯的模型。 如需如何定型 GAM 模型及檢查和解譯結果的範例，請參閱下列範例。
如需使用範例的連結，請參閱另請參閱一節。
欄位
| FeatureColumn |
定型器預期的功能資料行。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
定型器預期的標籤資料行。 可以是 |
| WeightColumn |
定型器預期的加權資料行。 可以是 |
屬性
| Info |
， IEstimator<TTransformer> 用於使用一般化加法模型來定型二元分類模型， (GAM) 。 (繼承來源 GamTrainerBase<TOptions,TTransformer,TPredictor>) |
方法
| Fit(IDataView, IDataView) |
GamBinaryTrainer使用定型和驗證資料來定型 ，並傳 BinaryPredictionTransformer<TModel> 回 。 |
| Fit(IDataView) |
定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
， IEstimator<TTransformer> 用於使用一般化加法模型來定型二元分類模型， (GAM) 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
擴充方法
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前，擁有快取檢查點會很有説明。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
假設有估算器，則會傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊，這就是方法 Fit(IDataView) 傳回特定型別物件的原因，而不是只傳回一般 ITransformer 。 不過，同時 IEstimator<TTransformer> ，通常會形成具有許多物件的管線，因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結，而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中，我們可以透過此方法附加呼叫一次將會呼叫的委派。 |