SdcaBinaryTrainerBase<TModelParameters> Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
SDCA ist ein allgemeiner Schulungsalgorithmus für lineare (generalisierte) Modelle wie Supportvektormaschine, lineare Regression, logistikische Regression usw. SDCA-Binärklassifizierungstrainerfamilie umfasst mehrere versiegelte Mitglieder: (1) SdcaNonCalibratedBinaryTrainer unterstützt allgemeine Verlustfunktionen und gibt zurück LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer trainiert im Wesentlichen ein reguläres logistisches Regressionsmodell. Da die logistische Regression natürlich Wahrscheinlichkeitsausgabe bietet, ist CalibratedModelParametersBase<TSubModel,TCalibrator>dieser generierte Modelltyp .
wo TSubModel ist LinearBinaryModelParameters und TCalibrator ist PlattCalibrator.
public abstract class SdcaBinaryTrainerBase<TModelParameters> : Microsoft.ML.Trainers.SdcaTrainerBase<Microsoft.ML.Trainers.SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,Microsoft.ML.Data.BinaryPredictionTransformer<TModelParameters>,TModelParameters> where TModelParameters : classtype 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)Typparameter
- TModelParameters
- Vererbung
-
SdcaTrainerBase<SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,BinaryPredictionTransformer<TModelParameters>,TModelParameters>SdcaBinaryTrainerBase<TModelParameters>
- Abgeleitet
Felder
| FeatureColumn |
Die Featurespalte, die der Trainer erwartet. (Geerbt von TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
Die Bezeichnungsspalte, die der Trainer erwartet. Kann sein |
| WeightColumn |
Die Gewichtsspalte, die der Trainer erwartet.
|
Eigenschaften
| Info |
SDCA ist ein allgemeiner Schulungsalgorithmus für lineare (generalisierte) Modelle wie Supportvektormaschine, lineare Regression, logistikische Regression usw. SDCA-Binärklassifizierungstrainerfamilie umfasst mehrere versiegelte Mitglieder: (1) SdcaNonCalibratedBinaryTrainer unterstützt allgemeine Verlustfunktionen und gibt zurück LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer trainiert im Wesentlichen ein reguläres logistisches Regressionsmodell. Da die logistische Regression natürlich Wahrscheinlichkeitsausgabe bietet, ist CalibratedModelParametersBase<TSubModel,TCalibrator>dieser generierte Modelltyp .
wo |
Methoden
| Fit(IDataView) |
Züge und zurückgeben eine ITransformer. (Geerbt von TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
SDCA ist ein allgemeiner Schulungsalgorithmus für lineare (generalisierte) Modelle wie Supportvektormaschine, lineare Regression, logistikische Regression usw. SDCA-Binärklassifizierungstrainerfamilie umfasst mehrere versiegelte Mitglieder: (1) SdcaNonCalibratedBinaryTrainer unterstützt allgemeine Verlustfunktionen und gibt zurück LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer trainiert im Wesentlichen ein reguläres logistisches Regressionsmodell. Da die logistische Regression natürlich Wahrscheinlichkeitsausgabe bietet, ist CalibratedModelParametersBase<TSubModel,TCalibrator>dieser generierte Modelltyp .
wo |
Erweiterungsmethoden
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherpunkt" an die Stimatorkette an. Dadurch wird sichergestellt, dass die nachgelagerten Stimatoren gegen zwischengespeicherte Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt zu haben, bevor Trainer, die mehrere Daten übergeben. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie aufgrund einer Schätzung ein Umbruchobjekt zurück, das einen Stellvertretung aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist oft wichtig, dass eine Schätzung Informationen zu dem zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein spezifisches typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformer. Gleichzeitig IEstimator<TTransformer> werden jedoch oft Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von EstimatorChain<TLastTransformer> Schätzern erstellen müssen, über die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die einmal aufgerufen wird, wenn die Anpassung aufgerufen wird. |