SdcaBinaryTrainerBase<TModelParameters> Classe

Definição

Namespace:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.StandardTrainers.dll

Pacote:

Microsoft.ML v3.0.1

O SDCA é um algoritmo de treinamento geral para modelos lineares (generalizados), como computador vetor de suporte, regressão linear, regressão logística e assim por diante. A família de treinadores de classificação binária SDCA inclui vários membros lacrados: (1) SdcaNonCalibratedBinaryTrainer dá suporte a funções de perda geral e retornos LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer basicamente treina um modelo de regressão logística regularizada. Como a regressão logística fornece naturalmente a saída de probabilidade, esse tipo de modelo gerado é CalibratedModelParametersBase<TSubModel,TCalibrator>. onde TSubModel está LinearBinaryModelParameters e TCalibrator está PlattCalibrator.

public abstract class SdcaBinaryTrainerBase<TModelParameters> : Microsoft.ML.Trainers.SdcaTrainerBase<Microsoft.ML.Trainers.SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,Microsoft.ML.Data.BinaryPredictionTransformer<TModelParameters>,TModelParameters> where TModelParameters : class

type SdcaBinaryTrainerBase<'ModelParameters (requires 'ModelParameters : null)> = class
    inherit SdcaTrainerBase<SdcaBinaryTrainerBase<'ModelParameters>.BinaryOptionsBase, BinaryPredictionTransformer<'ModelParameters>, 'ModelParameters (requires 'ModelParameters : null)>

Public MustInherit Class SdcaBinaryTrainerBase(Of TModelParameters)
Inherits SdcaTrainerBase(Of SdcaBinaryTrainerBase(Of TModelParameters).BinaryOptionsBase, BinaryPredictionTransformer(Of TModelParameters), TModelParameters)

Parâmetros de tipo

TModelParameters

Herança

Object

TrainerEstimatorBase<TTransformer,TModel>

StochasticTrainerBase<TTransformer,TModel>

SdcaTrainerBase<SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,BinaryPredictionTransformer<TModelParameters>,TModelParameters>

SdcaBinaryTrainerBase<TModelParameters>

Derivado

Microsoft.ML.Trainers.SdcaLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.SdcaNonCalibratedBinaryTrainer

Campos

FeatureColumn	A coluna de recursos esperada pelo treinador. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	A coluna de rótulo esperada pelo treinador. Pode ser null, o que indica que o rótulo não é usado para treinamento. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	A coluna de peso que o treinador espera. Pode ser null, o que indica que o peso não é usado para treinamento. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)

Propriedades

Info

O SDCA é um algoritmo de treinamento geral para modelos lineares (generalizados), como computador vetor de suporte, regressão linear, regressão logística e assim por diante. A família de treinadores de classificação binária SDCA inclui vários membros lacrados: (1) SdcaNonCalibratedBinaryTrainer dá suporte a funções de perda geral e retornos LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer basicamente treina um modelo de regressão logística regularizada. Como a regressão logística fornece naturalmente a saída de probabilidade, esse tipo de modelo gerado é CalibratedModelParametersBase<TSubModel,TCalibrator>. onde TSubModel está LinearBinaryModelParameters e TCalibrator está PlattCalibrator.

Métodos

Fit(IDataView)

Treina e retorna um ITransformer. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)

GetOutputSchema(SchemaShape)

O SDCA é um algoritmo de treinamento geral para modelos lineares (generalizados), como computador vetor de suporte, regressão linear, regressão logística e assim por diante. A família de treinadores de classificação binária SDCA inclui vários membros lacrados: (1) SdcaNonCalibratedBinaryTrainer dá suporte a funções de perda geral e retornos LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer basicamente treina um modelo de regressão logística regularizada. Como a regressão logística fornece naturalmente a saída de probabilidade, esse tipo de modelo gerado é CalibratedModelParametersBase<TSubModel,TCalibrator>. onde TSubModel está LinearBinaryModelParameters e TCalibrator está PlattCalibrator. (Herdado de TrainerEstimatorBase<TTransformer,TModel>)

Métodos de Extensão

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

Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os estimadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que levam vários passes de dados.

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

Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) que seja chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o estimador para o qual queremos obter o transformador está enterrado em algum lugar nesta cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado.