OlsTrainer 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 一般最小平方 (OLS) 來定型線性回歸模型，以估計線性回歸模型的參數。
public sealed class OlsTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.OlsModelParameters>,Microsoft.ML.Trainers.OlsModelParameters>type OlsTrainer = class
inherit TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>, OlsModelParameters>Public NotInheritable Class OlsTrainer
Inherits TrainerEstimatorBase(Of RegressionPredictionTransformer(Of OlsModelParameters), OlsModelParameters)- 繼承
備註
若要建立此定型器，請使用 Ols 或 Ols (Options) 。
輸入和輸出資料行
輸入標籤資料行資料必須是 Single。 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 | 模型所預測的未系結分數。 |
定型器特性
| 機器學習工作 | 迴歸 |
| 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 | Microsoft.ML.Mkl.Components |
| 可匯出至 ONNX | 是 |
定型演算法詳細資料
一般最小平方 (OLS) 是參數化回歸方法。 它假設相依變數的條件平均數遵循相依變數的線性函式。 藉由將觀察到值與預測之間的差異平方降至最低，即可估計回歸參數
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 一般最小平方 (OLS) 來定型線性回歸模型，以估計線性回歸模型的參數。 |
方法
| Fit(IDataView) |
定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
， IEstimator<TTransformer> 用於使用 一般最小平方 (OLS) 來定型線性回歸模型，以估計線性回歸模型的參數。 (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。 |