SgdNonCalibratedTrainer 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> 使用平行隨機漸層方法定型羅吉斯回歸的 。
public sealed class SgdNonCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Trainers.LinearBinaryModelParameters>type SgdNonCalibratedTrainer = class
inherit SgdBinaryTrainerBase<LinearBinaryModelParameters>Public NotInheritable Class SgdNonCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of LinearBinaryModelParameters)- 繼承
-
LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>SgdNonCalibratedTrainer
備註
若要建立此定型器，請使用) (Options) 的 SgdNonCalibrated 或 SgdNonCalibrated 。
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
Stochastic Gradient Drop (SGD) 是其中一個熱門的隨機優化程式，可整合到數個機器學習工作中，以達到最先進的效能。 此定型器會針對支援多執行緒的二元分類實作 Hogwild Stochastic Gradient 下降，而不需要任何鎖定。 如果相關聯的優化問題很疏鬆，Hogwild 隨機梯度下降可達到接近最佳聚合率。 如需 Hogwild 隨機梯度下降的詳細資訊，請參閱 這裡。
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 |
用於 IEstimator<TTransformer> 使用平行隨機漸層方法定型羅吉斯回歸的 。 (繼承來源 SgdBinaryTrainerBase<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) |
用於 IEstimator<TTransformer> 使用平行隨機漸層方法定型羅吉斯回歸的 。 (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。 |