LdSvmTrainer 클래스
정의
중요
일부 정보는 릴리스되기 전에 상당 부분 수정될 수 있는 시험판 제품과 관련이 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적이거나 묵시적인 보증도 하지 않습니다.
IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 것입니다.
public sealed class LdSvmTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LdSvmModelParameters>,Microsoft.ML.Trainers.LdSvmModelParameters>type LdSvmTrainer = class
inherit TrainerEstimatorBase<BinaryPredictionTransformer<LdSvmModelParameters>, LdSvmModelParameters>Public NotInheritable Class LdSvmTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of LdSvmModelParameters), LdSvmModelParameters)- 상속
설명
이 트레이너를 만들려면 LdSvm 또는 LdSvm(옵션)을 사용합니다.
입력 및 출력 열
입력 레이블 열 데이터는 Boolean이어야 합니다. 입력 기능 열 데이터는 알려진 크기의 벡터 Single여야 합니다. 이 트레이너는 다음 열을 출력합니다.
| 출력 열 이름 | 열 유형 | 설명 |
|---|---|---|
Score |
Single | 모델에서 계산한 바인딩되지 않은 점수입니다. |
PredictedLabel |
Boolean | 점수 부호에 따라 예측된 레이블 음수 점수는 false에 양수 점수는 true에 매핑됩니다. |
트레이너 특성
| 기계 학습 작업 | 이진 분류 |
| 정규화가 필요한가요? | 예 |
| 캐싱이 필요한가요? | 아니요 |
| Microsoft.ML 외에도 필요한 NuGet | 없음 |
| ONNX로 내보낼 수 있습니다. | 아니요 |
학습 알고리즘 세부 정보
로컬 딥 SVM(LD-SVM)은 비선형 SVM에 대한 지역화된 다중 커널 학습의 일반화입니다. 여러 커널 메서드는 기능 공간의 각 지점에 대해 서로 다른 커널 및 다른 분류자를 학습합니다. 여러 커널 메서드의 예측 시간 비용은 지원 벡터 수에 비례하고 학습 집합의 크기에 따라 선형으로 증가하므로 대규모 학습 집합에 대해 엄청나게 비용이 많이 들 수 있습니다. LD-SVM은 높은 차원 및 스파스인 트리 기반 로컬 기능 포함을 학습하여 비선형성을 효율적으로 인코딩하여 예측 비용을 줄입니다. LD-SVM을 사용하면 예측 비용이 선형이 아닌 학습 집합의 크기에 따라 로그적으로 증가하며 분류 정확도가 저하됩니다.
로컬 딥 SVM은 효율적인 비선형 SVM 예측을 위한 로컬 딥 커널 학습, ICML, 2013년 C. Jose, P. Goyal, P. Aggrwal 및 M. Varma에 설명된 알고리즘의 구현입니다.
사용 예제에 대한 링크는 참고 섹션을 참조하세요.
필드
| FeatureColumn |
트레이너가 기대하는 기능 열입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
트레이너가 기대하는 레이블 열입니다. Can be |
| WeightColumn |
트레이너가 기대하는 체중 열입니다. 가중치가 학습에 사용되지 않음을 나타내는 일 |
속성
| Info |
IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 것입니다. |
메서드
| Fit(IDataView) |
를 학습하고 반환합니다 ITransformer. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 것입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
확장 메서드
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
추정기 체인에 '캐싱 검사점'을 추가합니다. 이렇게 하면 다운스트림 추정기가 캐시된 데이터에 대해 학습됩니다. 여러 데이터 전달을 수행하는 트레이너 앞에 캐싱 검사점을 두는 것이 유용합니다. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
추정기가 지정된 경우 대리자를 호출한 후 Fit(IDataView) 호출되는 래핑 개체를 반환합니다. 예측 도구가 적합한 항목에 대한 정보를 반환하는 것이 중요한 경우가 많습니다. 따라서 Fit(IDataView) 메서드는 일반 ITransformer개체가 아닌 특별히 형식화된 개체를 반환합니다. 그러나 동시에 IEstimator<TTransformer> 개체가 많은 파이프라인으로 형성되는 경우가 많으므로 변압기를 가져올 추정기가 이 체인의 어딘가에 묻혀 있는 위치를 통해 EstimatorChain<TLastTransformer> 추정기 체인을 빌드해야 할 수도 있습니다. 이 시나리오에서는 fit이 호출되면 호출되는 대리자를 이 메서드를 통해 연결할 수 있습니다. |