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。
， IEstimator<TTransformer> 使用以線性 SVM 定型的線性二元分類模型來預測目標。
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
若要建立此定型器，請使用 LinearSvm 或 LinearSvm (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。 |
定型器特性
| 機器學習工作 | 二元分類 |
| 是否需要正規化？ | 是 |
| 是否需要快取？ | 否 |
| 除了 Microsoft.ML 之外，還需要 NuGet | 無 |
| 可匯出至 ONNX | 是 |
定型演算法詳細資料
線性 SVM 會實作演算法，藉由解決 SVM 問題，在二進位分類的功能空間中尋找超平面。 例如，使用特徵值 $f_0，f_1,..., f_{D-1}$，藉由判中斷點落在超平面的哪一端來提供預測。 這與 feautures 加權總和的正負號相同，也就是 $\sum_{i = 0}^{D-1} \left (w_i * f_i \right) + b$，其中 $w_0，w_1,..., w_{D-1}$ 是演算法所計算的加權，而 $b$ 是演算法所計算的偏差。
線性 SVM 會實作 PEGASOS 方法，此方法可在隨機梯度下降步驟與投影步驟之間替代， 此文章 由 Shalev-Shwartz、一般和 Srebro 所介紹。
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> 使用以線性 SVM 定型的線性二元分類模型來預測目標。 (繼承來源 OnlineLinearTrainer<TTransformer,TModel>) |
方法
| Fit(IDataView, LinearModelParameters) |
使用已定 |
| Fit(IDataView) |
定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
， IEstimator<TTransformer> 使用以線性 SVM 定型的線性二元分類模型來預測目標。 (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。 |