ComputeLogisticRegressionStandardDeviation.ComputeStandardDeviation Méthode

Définition

Espace de noms:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.StandardTrainers.dll

Paquet:

Microsoft.ML v3.0.1

Calcule la matrice d’écart-type de chacun des poids d’entraînement non nuls, nécessaires pour calculer davantage l’écart-type, la valeur p et le z-Score. Les calculs ne font pas partie de Microsoft.ML package, en raison de la taille de MKL. Si vous avez besoin de ces calculs, ajoutez le package Microsoft.ML.Mkl.Components et initialisez ComputeStandardDeviation l’implémentation ComputeLogisticRegressionStandardDeviation dans le package Microsoft.ML.Mkl.Components. En raison de l’existence de la régularisation, une approximation est utilisée pour calculer les variances des coefficients linéaires entraînés.

public abstract Microsoft.ML.Data.VBuffer<float> ComputeStandardDeviation (double[] hessian, int[] weightIndices, int parametersCount, int currentWeightsCount, Microsoft.ML.Runtime.IChannel ch, float l2Weight);

abstract member ComputeStandardDeviation : double[] * int[] * int * int * Microsoft.ML.Runtime.IChannel * single -> Microsoft.ML.Data.VBuffer<single>

Public MustOverride Function ComputeStandardDeviation (hessian As Double(), weightIndices As Integer(), parametersCount As Integer, currentWeightsCount As Integer, ch As IChannel, l2Weight As Single) As VBuffer(Of Single)

Paramètres

hessian

Double[]

weightIndices

Int32[]

parametersCount

Int32

currentWeightsCount

Int32

ch

IChannel

l2Weight

Single

Retours

VBuffer<Single>