SgdBinaryTrainerBase<TModel> Classe

Définition

Espace de noms:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.StandardTrainers.dll

Paquet:

Microsoft.ML v3.0.1

public abstract class SgdBinaryTrainerBase<TModel> : Microsoft.ML.Trainers.LinearTrainerBase<Microsoft.ML.Data.BinaryPredictionTransformer<TModel>,TModel> where TModel : class

type SgdBinaryTrainerBase<'Model (requires 'Model : null)> = class
    inherit LinearTrainerBase<BinaryPredictionTransformer<'Model>, 'Model (requires 'Model : null)>

Public MustInherit Class SgdBinaryTrainerBase(Of TModel)
Inherits LinearTrainerBase(Of BinaryPredictionTransformer(Of TModel), TModel)

Paramètres de type

TModel

Héritage

Object

TrainerEstimatorBase<TTransformer,TModel>

LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>

SgdBinaryTrainerBase<TModel>

Dérivé

Microsoft.ML.Trainers.SgdCalibratedTrainer

Microsoft.ML.Trainers.SgdNonCalibratedTrainer

Champs

FeatureColumn	Colonne de caractéristique attendue par l’entraîneur. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Colonne d’étiquette attendue par l’entraîneur. Peut être null, ce qui indique que l’étiquette n’est pas utilisée pour l’entraînement. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Colonne de poids attendue par l’entraîneur. Peut être null, ce qui indique que le poids n’est pas utilisé pour l’entraînement. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)

Propriétés

Info

Méthodes

Fit(IDataView, LinearModelParameters)	Poursuit l’entraînement d’un SdcaLogisticRegressionBinaryTrainer utilisateur déjà formé modelParameters et retourne un Microsoft.ML.Data.BinaryPredictionTransformer.
Fit(IDataView)	Effectue l’apprentissage et retourne un ITransformer. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	(Hérité de TrainerEstimatorBase<TTransformer,TModel>)

Méthodes d’extension

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

Ajoutez un « point de contrôle de mise en cache » à la chaîne d’estimateur. Cela garantit que les estimateurs en aval seront entraînés par rapport aux données mises en cache. Il est utile d’avoir un point de contrôle de mise en cache avant les formateurs qui prennent plusieurs passes de données.

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

Étant donné un estimateur, retournez un objet de création de package de restrictions qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important qu’un estimateur retourne des informations sur ce qui était adapté, c’est pourquoi la Fit(IDataView) méthode retourne un objet spécifiquement typé, plutôt que simplement un général ITransformer. Toutefois, en même temps, IEstimator<TTransformer> sont souvent formés en pipelines avec de nombreux objets. Nous pouvons donc avoir besoin de créer une chaîne d’estimateurs par EstimatorChain<TLastTransformer> le biais de laquelle l’estimateur pour lequel nous voulons obtenir le transformateur est enterré quelque part dans cette chaîne. Pour ce scénario, nous pouvons par le biais de cette méthode attacher un délégué qui sera appelé une fois l’ajustement appelé.