LinearSvmTrainer 类
定义
重要
一些信息与预发行产品相关，相应产品在发行之前可能会进行重大修改。 对于此处提供的信息，Microsoft 不作任何明示或暗示的担保。
使用 IEstimator<TTransformer> 线性 SVM 训练的线性二元分类模型预测目标。
public sealed class LinearSvmTrainer : Microsoft.ML.Trainers.OnlineLinearTrainer<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LinearBinaryModelParameters>,Microsoft.ML.Trainers.LinearBinaryModelParameters>type LinearSvmTrainer = class
inherit OnlineLinearTrainer<BinaryPredictionTransformer<LinearBinaryModelParameters>, LinearBinaryModelParameters>Public NotInheritable Class LinearSvmTrainer
Inherits OnlineLinearTrainer(Of BinaryPredictionTransformer(Of LinearBinaryModelParameters), LinearBinaryModelParameters)- 继承
注解
若要创建此训练器，请使用 LinearSvm 或 LinearSvm (选项) 。
输入和输出列
输入标签列数据必须为 Boolean。 输入特征列数据必须是已知大小的向量 Single。 该训练程序输出以下列：
| 输出列名称 | 列名称 | 说明 |
|---|---|---|
Score |
Single | 模型计算的未绑定分数。 |
PredictedLabel |
Boolean | 预测的标签，基于分数符号。 负分数映射到 false，正分数映射到 true。 |
训练器特征
| 机器学习任务 | 二元分类 |
| 规范化是否需要？ | 是 |
| 是否需要缓存？ | 否 |
| 除 Microsoft.ML 外所需的 NuGet | 无 |
| 可导出到 ONNX | 是 |
训练算法详细信息
线性 SVM 通过解决 SVM 问题，实现在二元分类的功能空间中查找超平面的算法。 例如，对于特征值$f_0，f_1,..., f_{D-1}$，则通过确定点的超平面的哪一侧来给出预测。 这与 feautures 加权和的符号相同，即 $\sum_{i = 0}^{D-1} \left (w_i * f_i \right) + b$，其中$w_0，w_1,..., w_{D-1}$ 是算法计算的权重，$b$ 是算法计算的偏差。
线性 SVM 实现了 PEGASOS 方法，该方法在随机梯度下降步骤和投影步骤之间交替， 该 方法由 Shalev-Shwartz、Singer 和 Srebro 引入。
有关使用示例的链接，请查看“另请参阅”部分。
字段
| FeatureColumn |
训练程序期望的功能列。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
训练程序期望的标签列。 可以是 |
| WeightColumn |
训练器期望的权重列。 可以 |
属性
| Info |
使用 IEstimator<TTransformer> 线性 SVM 训练的线性二元分类模型预测目标。 (继承自 OnlineLinearTrainer<TTransformer,TModel>) |
方法
| Fit(IDataView, LinearModelParameters) |
OnlineLinearTrainer<TTransformer,TModel>继续使用已训练 |
| Fit(IDataView) |
火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
使用 IEstimator<TTransformer> 线性 SVM 训练的线性二元分类模型预测目标。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
扩展方法
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。 |