SymbolicSgdLogisticRegressionBinaryTrainer.Options Classe

Definizione

Spazio dei nomi:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Mkl.Components.dll

Pacchetto:

Microsoft.ML.Mkl.Components v3.0.1

Opzioni per l'oggetto SymbolicSgdLogisticRegressionBinaryTrainer utilizzato in SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.TrainerInputBaseWithLabel

type SymbolicSgdLogisticRegressionBinaryTrainer.Options = class
    inherit TrainerInputBaseWithLabel

Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer.Options
Inherits TrainerInputBaseWithLabel

Ereditarietà

Object

TrainerInputBase

TrainerInputBaseWithLabel

SymbolicSgdLogisticRegressionBinaryTrainer.Options

Costruttori

SymbolicSgdLogisticRegressionBinaryTrainer.Options()

Opzioni per l'oggetto SymbolicSgdLogisticRegressionBinaryTrainer utilizzato in SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

Campi

FeatureColumnName	Colonna da usare per le funzionalità. (Ereditato da TrainerInputBase)
L2Regularization	Regolarizzazione L2.
LabelColumnName	Colonna da usare per le etichette. (Ereditato da TrainerInputBaseWithLabel)
LearningRate	Velocità di apprendimento. Un valore maggiore può potenzialmente ridurre il tempo di training, ma comporta instabilità numerica e overfitting.
MemorySize	Budget di memoria di accelerazione in MB.
NumberOfIterations	Numero di passaggi sui dati.
NumberOfThreads	Grado di parallelismo senza blocco. Determinismo non garantito se questo valore è impostato su maggiore di 1. Il valore predefinito è il numero di core logici disponibili nel sistema.
PositiveInstanceWeight	Applicare peso alla classe positiva, per i dati sbilanciati.
Shuffle	Impostare per true fare in modo che i dati si rimescolano.
Tolerance	Tolleranza per la differenza nella perdita media in passaggi consecutivi. Se la riduzione della perdita è inferiore alla tolleranza specificata in un'iterazione, il processo di training verrà terminato.
UpdateFrequency	Il numero di iterazioni di ogni thread apprende un modello locale fino a quando non viene combinato con il modello globale. Valore basso significa un modello globale più aggiornato e un valore elevato significa meno traffico della cache.