SdcaBinaryTrainerBase<TModelParameters> 类

定义

命名空间:

Microsoft.ML.Trainers

程序集:

Microsoft.ML.StandardTrainers.dll

包:

Microsoft.ML v3.0.1

SDCA 是一种常规训练算法，用于 (通用化) 线性模型，例如支持向量机、线性回归、逻辑回归等。 SDCA 二元分类训练器系列包括多个密封成员： (1) SdcaNonCalibratedBinaryTrainer 支持常规损失函数和返回 LinearBinaryModelParameters。 (2) SdcaLogisticRegressionBinaryTrainer 实质上训练正则化逻辑回归模型。 由于逻辑回归自然提供概率输出，因此生成的模型的类型为 CalibratedModelParametersBase<TSubModel,TCalibrator>。 where TSubModel is LinearBinaryModelParameters and TCalibrator is 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)

类型参数

TModelParameters

继承

Object

TrainerEstimatorBase<TTransformer,TModel>

StochasticTrainerBase<TTransformer,TModel>

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

SdcaBinaryTrainerBase<TModelParameters>

派生

Microsoft.ML.Trainers.SdcaLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.SdcaNonCalibratedBinaryTrainer

字段

FeatureColumn	训练器期望的功能列。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	训练器期望的标签列。 可以 null，指示标签不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	训练器期望的权重列。 可以 null，指示权重不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)

属性

Info

SDCA 是一种常规训练算法，用于 (通用化) 线性模型，例如支持向量机、线性回归、逻辑回归等。 SDCA 二元分类训练器系列包括多个密封成员： (1) SdcaNonCalibratedBinaryTrainer 支持常规损失函数和返回 LinearBinaryModelParameters。 (2) SdcaLogisticRegressionBinaryTrainer 实质上训练正则化逻辑回归模型。 由于逻辑回归自然提供概率输出，因此生成的模型的类型为 CalibratedModelParametersBase<TSubModel,TCalibrator>。 where TSubModel is LinearBinaryModelParameters and TCalibrator is PlattCalibrator.

方法

Fit(IDataView)

火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)

GetOutputSchema(SchemaShape)

SDCA 是一种常规训练算法，用于 (通用化) 线性模型，例如支持向量机、线性回归、逻辑回归等。 SDCA 二元分类训练器系列包括多个密封成员： (1) SdcaNonCalibratedBinaryTrainer 支持常规损失函数和返回 LinearBinaryModelParameters。 (2) SdcaLogisticRegressionBinaryTrainer 实质上训练正则化逻辑回归模型。 由于逻辑回归自然提供概率输出，因此生成的模型的类型为 CalibratedModelParametersBase<TSubModel,TCalibrator>。 where TSubModel is LinearBinaryModelParameters and TCalibrator is PlattCalibrator. (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。 这将确保根据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，返回一个包装对象，该对象将调用委托一次 Fit(IDataView) 。 估算器通常必须返回有关适合的内容的信息，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> 估算器链生成一个估算器链，以便将转换器埋在此链中的某个位置。 对于该方案，我们可以通过此方法附加一个委托，该委托将在调用拟合后调用。