PairwiseCouplingTrainer 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。
用於 IEstimator<TTransformer> 訓練一個使用指定二元分類器的成對耦合多類別分類器。
public sealed class PairwiseCouplingTrainer : Microsoft.ML.Trainers.MetaMulticlassTrainer<Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Trainers.PairwiseCouplingModelParameters>,Microsoft.ML.Trainers.PairwiseCouplingModelParameters>type PairwiseCouplingTrainer = class
inherit MetaMulticlassTrainer<MulticlassPredictionTransformer<PairwiseCouplingModelParameters>, PairwiseCouplingModelParameters>Public NotInheritable Class PairwiseCouplingTrainer
Inherits MetaMulticlassTrainer(Of MulticlassPredictionTransformer(Of PairwiseCouplingModelParameters), PairwiseCouplingModelParameters)- 繼承
-
MetaMulticlassTrainer<MulticlassPredictionTransformer<PairwiseCouplingModelParameters>,PairwiseCouplingModelParameters>PairwiseCouplingTrainer
備註
要建立這個訓練器，請使用 PairwiseCoupling。
輸入與輸出欄位
輸入標籤欄位資料必須是 鍵 型別，特徵欄位必須是已知大小的 Single向量。
此訓練器會輸出下列欄位：
| 輸出數據行名稱 | 欄類型 | Description |
|---|---|---|
Score |
Single 向量 | 所有班級的分數。 較高的值表示較高的機率會落入相關聯的類別。 若第 i 個元素值最大，預測標籤索引為 i。 請注意，i 是以零為基礎的指標。 |
PredictedLabel |
金鑰 類型 | 預測標籤的索引。 若其值為 i，實際標籤將是鍵值輸入標籤類型中的第 i 個類別。 |
訓練師特性
| 機器學習任務 | 多類別分類 |
| 需要正規化嗎？ | 這取決於底層的二元分類器 |
| 快取是必須的嗎？ | Yes |
| 除了 Microsoft.ML 之外，必須使用 NuGet | None |
| 可匯出至 ONNX | No |
訓練演算法細節
在此策略中，每對類別都訓練一個二元分類演算法。 這些對是無序的，但會以替換方式建立：因此，如果有三個類別，0、1、2，我們會訓練成對（0,0）、（0,1）、（0,2）、（1,1）、（1,2）和（2,2）的分類器。 對於每個二元分類器，若輸入資料點屬於該對中任一類別，則視為正面範例;否則視為負範例。 在預測時，每對類別的機率被視為在資料下屬於該類別的機率，而每個類別的最終預測機率則是根據某個例子屬於任一對的機率計算出來。
這可以讓你利用那些天生沒有多職業選項的訓練家，例如用 來 FastTreeBinaryTrainer 解決多職業問題。 或者，即使訓練器有多職業選項，也能讓 ML.NET 解決「較簡單」的問題，但由於記憶體限制，直接使用並不實際。 例如，雖然多類別邏輯斯迴歸是解決多類別問題更原則的方法，但它要求訓練器同時儲存更多中間狀態，以L-BFGS歷史形式呈現所有類別，而非如成對耦合分類模型那樣逐一儲存。
請參考「參見」區塊，裡面有使用範例的連結。
屬性
| 名稱 | Description |
|---|---|
| Info |
用於 IEstimator<TTransformer> 訓練一個使用指定二元分類器的成對耦合多類別分類器。 (繼承來源 MetaMulticlassTrainer<TTransformer,TModel>) |
方法
| 名稱 | Description |
|---|---|
| Fit(IDataView) |
將資料擬合到變壓器 |
| GetOutputSchema(SchemaShape) |
取得輸出欄位。 (繼承來源 MetaMulticlassTrainer<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。 |