LightGbmRankingTrainer Clase
Definición
Importante
Parte de la información hace referencia a la versión preliminar del producto, que puede haberse modificado sustancialmente antes de lanzar la versión definitiva. Microsoft no otorga ninguna garantía, explícita o implícita, con respecto a la información proporcionada aquí.
para IEstimator<TTransformer> entrenar un modelo de clasificación de árboles de decisión ampliado mediante LightGBM.
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)- Herencia
Comentarios
Para crear este instructor, use LightGbm o LightGbm(Options).
Columnas de entrada y salida
El tipo de datos de la etiqueta de entrada debe ser de tipo de clave o Single. El valor de la etiqueta determina la relevancia, donde los valores más altos indican mayor relevancia. Si la etiqueta es una clave de tipo, entonces el índice de clave es el valor de relevancia, donde el índice más pequeño es el de menor relevancia. Si la etiqueta es un Single, los valores más grandes indican mayor relevancia. La columna de característica debe ser un vector de tamaño conocido de y la columna del grupo de Single filas de entrada debe ser de tipo clave .
Este instructor genera las columnas siguientes:
| Nombre de columna de salida | Tipo de columna | Description |
|---|---|---|
Score |
Single | Puntuación ilimitada calculada por el modelo para determinar la predicción. |
Características del entrenador
| Tarea de aprendizaje automático | Ranking |
| ¿Se requiere normalización? | No |
| ¿Se requiere el almacenamiento en caché? | No |
| NuGet necesario además de Microsoft.ML | Microsoft.ML.LightGbm |
| Exportable a ONNX | No |
Detalles del algoritmo de entrenamiento
LightGBM es una implementación código abierto del árbol de decisión de potenciación de degradado. Para obtener más información sobre la implementación, consulte la documentación oficial de LightGBM o este documento.
Consulte la sección Ver también para obtener vínculos a ejemplos de uso.
Campos
| Nombre | Description |
|---|---|
| FeatureColumn |
Columna de características que el instructor espera. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
Columna groupID opcional que espera el entrenador de clasificación. (Heredado de TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
Columna de etiqueta que el entrenador espera. Puede ser |
| WeightColumn |
Columna de peso que espera el entrenador. Puede ser |
Propiedades
| Nombre | Description |
|---|---|
| Info |
para IEstimator<TTransformer> entrenar un modelo de clasificación de árboles de decisión ampliado mediante LightGBM. (Heredado de LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>) |
Métodos
| Nombre | Description |
|---|---|
| Fit(IDataView, IDataView) |
Entrena un LightGbmRankingTrainer mediante datos de entrenamiento y validación, devuelve un RankingPredictionTransformer<TModel>. |
| Fit(IDataView) |
Entrena y devuelve un ITransformer. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
para IEstimator<TTransformer> entrenar un modelo de clasificación de árboles de decisión ampliado mediante LightGBM. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
Métodos de extensión
| Nombre | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de nivel inferior se entrenarán con los datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) que se llame. A menudo, es importante que un estimador devuelva información sobre lo que se ha ajustado, por lo que el Fit(IDataView) método devuelve un objeto específicamente tipado, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador está enterrado en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit. |