SymbolicSgdLogisticRegressionBinaryTrainer Třída

Definice

Obor názvů:

Microsoft.ML.Trainers

Sestavení:

Microsoft.ML.Mkl.Components.dll

Balíček:

Microsoft.ML.Mkl.Components v3.0.1

Předpověď IEstimator<TTransformer> cíle pomocí lineárního binárního klasifikačního modelu trénovaného pomocí symbolického stochastického gradientního sestupu.

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type SymbolicSgdLogisticRegressionBinaryTrainer = class
    inherit TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

Dědičnost

Object

TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>,CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SymbolicSgdLogisticRegressionBinaryTrainer

Poznámky

K vytvoření tohoto trenéra použijte SymbolStochasticGradientDescent nebo SymbolStochasticGradientDescent(Options).

Vstupní a výstupní sloupce

Vstupní data sloupce popisku musí být Boolean. Vstupní funkce sloupcová data musí být vektorem známé velikosti Single.

Tento trenér vypíše následující sloupce:

Název výstupního sloupce	Typ sloupce	Description
Score	Single	Nevázané skóre, které model vypočítal.
PredictedLabel	Boolean	Predikovaný popisek na základě znaménka skóre. Záporná skóre mapuje na false a kladná skóre se mapuje na true.
Probability	Single	Pravděpodobnost vypočítaná kalibrací skóre hodnoty true jako popisku. Hodnota pravděpodobnosti je v rozsahu [0, 1].

Charakteristiky trenéra

Úloha strojového učení	Binární klasifikace
Vyžaduje se normalizace?	Yes
Vyžaduje se ukládání do mezipaměti?	No
Požadovaný NuGet kromě Microsoft.ML	Microsoft.ML.Mkl.Components
Exportovatelné do ONNX	Yes

Podrobnosti trénovacího algoritmu

Symbolický stochastický gradientní sestup je algoritmus, který vytváří své předpovědi vyhledáním oddělení hyperplanu. Například s hodnotami funkcí $f 0, f1,..., f_{D-1}$, je predikce dána určením strany nadroviny, do které bod spadá. To je stejné jako znaménko váženého součtu funkce, tj. $\sum_{i = 0}^{D-1} (w_i * f_i) + b$, kde $w_0, w_1,..., w_{D-1}$ jsou váhy vypočítané algoritmem a $b$ je předsudky vypočítané algoritmem.

Zatímco většina symbolických algoritmů sestupného gradientního sestupu je ze své podstaty sekvenční – v každém kroku závisí zpracování aktuálního příkladu na parametrech získaných z předchozích příkladů. Tento algoritmus trénuje místní modely v samostatných vláknech a probabilistickém modelu cobminer, který místním modelům umožňuje kombinovat stejný výsledek jako sekvenční symbolický stochastický gradientní sestup v očekávání.

Další informace naleznete v části Parallel Stochastic Gradient Sestup s kombinátory zvuku.

Odkazy na příklady použití najdete v části Viz také.

Pole

FeatureColumn	Sloupec funkcí, který trenér očekává. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Sloupec popisku, který trenér očekává. Může to být null, což označuje, že popisek se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Sloupec hmotnosti, který trenér očekává. Může to být null, což značí, že váha se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Vlastnosti

Info	Předpověď IEstimator<TTransformer> cíle pomocí lineárního binárního klasifikačního modelu trénovaného pomocí symbolického stochastického gradientního sestupu.

Metody

Fit(IDataView, LinearModelParameters)	Pokračuje v trénování SymbolicSgdLogisticRegressionBinaryTrainer používání již natrénovaného modelParameters objektu Microsoft.ML.Data.BinaryPredictionTransformer.
Fit(IDataView)	Vlaky a vrací hodnotu ITransformer. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	Předpověď IEstimator<TTransformer> cíle pomocí lineárního binárního klasifikačního modelu trénovaného pomocí symbolického stochastického gradientního sestupu. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci estimátoru kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby podřízené estimátory byly vytrénovány proti datům uloženým v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Vzhledem k estimátoru vraťte zalamovací objekt, který zavolá delegáta jednou Fit(IDataView) . Často je důležité, aby odhadovač vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně typ objekt, nikoli jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec estimátorů, kde EstimatorChain<TLastTransformer> je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, zakopán někde v tomto řetězci. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit.

Viz také

• SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
• SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
• SymbolicSgdLogisticRegressionBinaryTrainer.Options