LightGbmRankingTrainer クラス
定義
重要
一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。
IEstimator<TTransformer> LightGBM を使用してブースト デシジョン ツリーランク付けモデルをトレーニングするためのものです。
public sealed class LightGbmRankingTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmRankingTrainer.Options,float,Microsoft.ML.Data.RankingPredictionTransformer<Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>,Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>type LightGbmRankingTrainer = class
inherit LightGbmTrainerBase<LightGbmRankingTrainer.Options, single, RankingPredictionTransformer<LightGbmRankingModelParameters>, LightGbmRankingModelParameters>Public NotInheritable Class LightGbmRankingTrainer
Inherits LightGbmTrainerBase(Of LightGbmRankingTrainer.Options, Single, RankingPredictionTransformer(Of LightGbmRankingModelParameters), LightGbmRankingModelParameters)- 継承
注釈
このトレーナーを作成するには、 LightGbm または LightGbm(オプション)を使用します。
入力列と出力列
入力ラベル データ型はキー型または Single である必要があります。 ラベルの値によって関連性が決まります。値が高いほど関連性が高くなります。 ラベルがキー型の場合、キーのインデックスは関連性の値です。ここで、最小のインデックスは最も低い関連性です。 ラベルが Single の場合、値が大きいほど関連性が高いことを示します。 特徴列は既知のサイズの Single ベクターである必要があり、入力行グループ列は キー 型である必要があります。
このトレーナーからは、以下の列が出力されます。
| 出力列の名前 | 列の型 | 説明 |
|---|---|---|
Score |
Single | 予測を決定するためにモデルによって計算された無制限のスコア。 |
トレーナーの特性
| 機械学習タスク | 順位付け |
| 正規化は必要ですか? | いいえ |
| キャッシュは必要ですか? | いいえ |
| Microsoft.ML に加えて必要な NuGet | Microsoft.ML.LightGbm |
| ONNX にエクスポート可能 | いいえ |
トレーニング アルゴリズムの詳細
LightGBM は、勾配ブースティング デシジョン ツリーのオープンソース実装です。 実装の詳細については、 LightGBM の公式ドキュメント またはこの ホワイト ペーパーを参照してください。
使用法の例へのリンクについては、「関連項目」セクションを参照してください。
フィールド
| FeatureColumn |
トレーナーが期待する特徴列。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
ランキング トレーナーが期待するオプションの groupID 列。 (継承元 TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
トレーナーが期待するラベル列。 を指定できます |
| WeightColumn |
トレーナーが期待する重み列。 は |
プロパティ
| Info |
IEstimator<TTransformer> LightGBM を使用してブースト デシジョン ツリーランク付けモデルをトレーニングするためのものです。 (継承元 LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>) |
メソッド
| Fit(IDataView, IDataView) |
トレーニングデータと検証データの LightGbmRankingTrainer 両方を使用してトレーニングを行い、 RankingPredictionTransformer<TModel>. |
| Fit(IDataView) |
をトレーニングして返します ITransformer。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> LightGBM を使用してブースト デシジョン ツリーランク付けモデルをトレーニングするためのものです。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
拡張メソッド
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
推定チェーンに "キャッシュ チェックポイント" を追加します。 これにより、ダウンストリーム推定器がキャッシュされたデータに対してトレーニングされるようになります。 複数のデータを受け取るトレーナーの前にキャッシュ チェックポイントを設定すると便利です。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
エスティメーターを指定すると、デリゲートが呼 Fit(IDataView) び出されると呼び出されるラップ オブジェクトを返します。 多くの場合、エスティメーターが適合した内容に関する情報を返すことが重要です。そのため Fit(IDataView) 、メソッドは一般的 ITransformerなオブジェクトではなく、具体的に型指定されたオブジェクトを返します。 ただし、同時に、 IEstimator<TTransformer> 多くのオブジェクトを含むパイプラインに形成されることが多いため、トランスフォーマーを取得する推定器がこのチェーンのどこかに埋もれている場所を介して EstimatorChain<TLastTransformer> 、推定器のチェーンを構築する必要がある場合があります。 このシナリオでは、このメソッドを使用して、fit が呼び出されると呼び出されるデリゲートをアタッチできます。 |