AutoMLExperimentExtension Classe

Definizione

Spazio dei nomi:

Microsoft.ML.AutoML

Assembly:

Microsoft.ML.AutoML.dll

Pacchetto:

Microsoft.ML.AutoML v0.21.1

public static class AutoMLExperimentExtension

type AutoMLExperimentExtension = class

Public Module AutoMLExperimentExtension

Ereditarietà

Object

AutoMLExperimentExtension

Metodi

SetBinaryClassificationMetric(AutoMLExperiment, BinaryClassificationMetric, String, String)	Impostare Microsoft.ML.AutoML.BinaryMetricManager come manager di valutazione per AutoMLExperiment. Ciò userà AutoMLExperimentmetric come metrica di valutazione.
SetCheckpoint(AutoMLExperiment, String)	Impostare la cartella checkpoint per AutoMLExperiment. La cartella checkpoint verrà usata per salvare l'output temporaneo, la cronologia di esecuzione e molte altre cose che verranno usate per ripristinare il processo di training dall'ultimo checkpoint e continuare il training.
SetCostFrugalTuner(AutoMLExperiment)	Impostare Microsoft.ML.AutoML.CostFrugalTuner come tuner per l'ottimizzazione dei parametri hyper-parameter.
SetDataset(AutoMLExperiment, DataOperationsCatalog+TrainTestData)	Impostare il set di dati di training e convalida per AutoMLExperiment. In questo modo AutoMLExperiment verrà usato TrainSettrainValidationSplit per eseguire il training di un modello e usarlo TestSettrainValidationSplit per valutare il modello.
SetDataset(AutoMLExperiment, IDataView, IDataView, Boolean)	Impostare il set di dati di training e convalida per AutoMLExperiment. In questo modo AutoMLExperiment verrà usato train per eseguire il training di un modello e usare validation per valutare il modello.
SetDataset(AutoMLExperiment, IDataView, Int32, String)	Impostare set di dati di convalida incrociata per AutoMLExperiment. In questo modo AutoMLExperiment verrà usata lafold suddivisione dataset tra convalida incrociata su per eseguire il training e valutare un modello.
SetEciCostFrugalTuner(AutoMLExperiment)	impostato Microsoft.ML.AutoML.EciCostFrugalTuner come tuner per l'ottimizzazione dei parametri hyper-parameter. Questa tuner funziona solo con lo spazio di ricerca da SweepablePipeline.
SetGridSearchTuner(AutoMLExperiment, Int32)	impostato Microsoft.ML.AutoML.GridSearchTuner come tuner per l'ottimizzazione dei parametri hyper.
SetMulticlassClassificationMetric(AutoMLExperiment, MulticlassClassificationMetric, String, String)	Impostare Microsoft.ML.AutoML.MultiClassMetricManager come manager di valutazione per AutoMLExperiment. Ciò userà AutoMLExperimentmetric come metrica di valutazione.
SetPerformanceMonitor(AutoMLExperiment, Int32)	Impostare DefaultPerformanceMonitor come IPerformanceMonitor per AutoMLExperiment.
SetPerformanceMonitor<TPerformanceMonitor>(AutoMLExperiment, Func<IServiceProvider,TPerformanceMonitor>)	Impostare un monitoraggio delle prestazioni personalizzato come IPerformanceMonitor per AutoMLExperiment.
SetPerformanceMonitor<TPerformanceMonitor>(AutoMLExperiment)	Impostare un monitoraggio delle prestazioni personalizzato come IPerformanceMonitor per AutoMLExperiment.
SetPipeline(AutoMLExperiment, SweepablePipeline)	Impostare pipeline per il training. In questo modo si AutoMLExperiment usa Microsoft.ML.AutoML.SweepablePipelineRunner anche , Microsoft.ML.AutoML.MLContextMonitor e Microsoft.ML.AutoML.EciCostFrugalTuner per il training automl.
SetRandomSearchTuner(AutoMLExperiment, Nullable<Int32>)	impostato Microsoft.ML.AutoML.RandomSearchTuner come tuner per l'ottimizzazione dei parametri hyper. Se seed specificato, userà tale inizializzazione per inizializzare Microsoft.ML.AutoML.RandomSearchTuner. In caso contrario, Seed verrà usato.
SetRegressionMetric(AutoMLExperiment, RegressionMetric, String, String)	Impostare Microsoft.ML.AutoML.RegressionMetricManager come manager di valutazione per AutoMLExperiment. Ciò userà AutoMLExperimentmetric come metrica di valutazione.
SetSmacTuner(AutoMLExperiment, Int32, Int32, Int32, Int32, Single, Int32, Int32, Double, Int32)	Impostare Microsoft.ML.AutoML.SmacTuner come tuner per l'ottimizzazione dei parametri hyper-parameter. Le prestazioni di smac si trovano in un'estensione di grandi dimensioni determinata da numberOfTreese nMinForSpit , splitRatioche vengono usati per adattare il regressor interno di smac.