SymbolicSgdLogisticRegressionBinaryTrainer.Options Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Trainers

Zestaw:

Microsoft.ML.Mkl.Components.dll

Pakiet:

Microsoft.ML.Mkl.Components v3.0.1

Opcje dla właściwości używanej SymbolicSgdLogisticRegressionBinaryTrainer w elemecie 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

Dziedziczenie

Object

TrainerInputBase

TrainerInputBaseWithLabel

SymbolicSgdLogisticRegressionBinaryTrainer.Options

Konstruktory

SymbolicSgdLogisticRegressionBinaryTrainer.Options()

Opcje dla właściwości używanej SymbolicSgdLogisticRegressionBinaryTrainer w elemecie SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

Pola

FeatureColumnName	Kolumna do użycia dla funkcji. (Odziedziczone po TrainerInputBase)
L2Regularization	Regularyzacja L2.
LabelColumnName	Kolumna do użycia dla etykiet. (Odziedziczone po TrainerInputBaseWithLabel)
LearningRate	Szybkość nauki. Większa wartość może potencjalnie zmniejszyć czas trenowania, ale powodować niestabilność liczbową i nadmierne dopasowanie.
MemorySize	Budżet pamięci przyspieszania w MB.
NumberOfIterations	Liczba przekazanych danych.
NumberOfThreads	Stopień równoległości bez blokady. Determinizm nie jest gwarantowany, jeśli jest on ustawiony na wyższy niż 1. Wartość domyślna to liczba rdzeni logicznych, które są dostępne w systemie.
PositiveInstanceWeight	Zastosuj wagę do klasy dodatniej w przypadku danych nierównowagowanych.
Shuffle	Ustaw wartość , aby spowodować true przetasowania danych.
Tolerance	Tolerancja różnicy w średniej straty w kolejnych przechodzi. Jeśli zmniejszenie utraty jest mniejsze niż określona tolerancja w jednej iteracji, proces trenowania zostanie zakończony.
UpdateFrequency	Liczba iteracji każdego wątku uczy się modelu lokalnego, dopóki nie połączy go z modelem globalnym. Niska wartość oznacza, że bardziej zaktualizowany model globalny i wysoka wartość oznacza mniejszy ruch w pamięci podręcznej.