LinearSvmTrainer 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。
利用 IEstimator<TTransformer> 線性二元分類模型，並以線性SVM訓練，預測目標。
public sealed class LinearSvmTrainer : Microsoft.ML.Trainers.OnlineLinearTrainer<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LinearBinaryModelParameters>,Microsoft.ML.Trainers.LinearBinaryModelParameters>type LinearSvmTrainer = class
inherit OnlineLinearTrainer<BinaryPredictionTransformer<LinearBinaryModelParameters>, LinearBinaryModelParameters>Public NotInheritable Class LinearSvmTrainer
Inherits OnlineLinearTrainer(Of BinaryPredictionTransformer(Of LinearBinaryModelParameters), LinearBinaryModelParameters)- 繼承
備註
要建立這個訓練器，請使用 LinearSvm 或 LinearSvm（Options）。
輸入與輸出欄位
輸入標籤欄位資料必須是 Boolean。 輸入特徵欄位資料必須是已知大小的向量。Single 此訓練器會輸出下列欄位：
| 輸出數據行名稱 | 欄類型 | Description |
|---|---|---|
Score |
Single | 模型計算出的無界分數。 |
PredictedLabel |
Boolean | 根據分數的符號來預測的標籤。 負數分數會對應至 false，正分數會對應至 true。 |
訓練師特性
| 機器學習任務 | 二元分類 |
| 需要正規化嗎？ | Yes |
| 快取是必須的嗎？ | No |
| 除了 Microsoft.ML 之外，必須使用 NuGet | None |
| 可匯出至 ONNX | Yes |
訓練演算法細節
線性 SVM 實作了一種演算法，透過解決 SVM 問題，在特徵空間中尋找超平面進行二元分類。 例如，特徵值為 $f_0， f_1,..., f_{D-1}$，預測是透過確定該點落在超平面的哪一側來給出。 這與特徵加權和的符號相同，即 $\sum_{i = 0}^{D-1} \left（w_i * f_i \right） + b$，其中 $w_0， w_1,..., w_{D-1}$ 為演算法計算的權重，$b$ 為演算法計算的偏壓。
線性SVM實作了PEGASOS方法，該方法在隨機梯度下降步與投影步之間交替進行，該方法由Shalev-Shwartz、Singer和Srebro在本 論文 中提出。
請參考「參見」區塊，裡面有使用範例的連結。
欄位
| 名稱 | Description |
|---|---|
| FeatureColumn |
訓練師期待的特色欄。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
訓練師期望的標籤欄。 可以是 |
| WeightColumn |
訓練師預期的體重欄。 可以是 |
屬性
| 名稱 | Description |
|---|---|
| Info |
利用 IEstimator<TTransformer> 線性二元分類模型，並以線性SVM訓練，預測目標。 (繼承來源 OnlineLinearTrainer<TTransformer,TModel>) |
方法
| 名稱 | Description |
|---|---|
| Fit(IDataView, LinearModelParameters) |
繼續訓練 a OnlineLinearTrainer<TTransformer,TModel> 使用已訓練 |
| Fit(IDataView) |
訓練並返回 ITransformer。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
利用 IEstimator<TTransformer> 線性二元分類模型，並以線性SVM訓練，預測目標。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
擴充方法
| 名稱 | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
在估計鏈中附加一個「快取檢查點」。 這將確保下游估計器能針對快取資料進行訓練。 在訓練師接受多次資料通行前設置快取檢查點會很有幫助。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
給定一個估計器，回傳一個包裹物件，該物件會呼叫一次 Fit(IDataView) 代理。 估計器通常回傳擬合的資訊很重要，因此該 Fit(IDataView) 方法回傳一個特定型別的物件，而非一般 ITransformer的 。 然而，同時， IEstimator<TTransformer> 通常會被組成包含許多物件的管線，因此我們可能需要建立一條估計鏈，將 EstimatorChain<TLastTransformer> 我們想要取得變壓器的估計器埋藏在這條鏈的某處。 在這種情況下，我們可以透過此方法附加一個代理，當 fit 被呼叫時會被呼叫。 |