SdcaBinaryTrainerBase<TModelParameters> 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.
SDCA es un algoritmo de entrenamiento general para modelos lineales (generalizados), como la máquina de vectores de compatibilidad, la regresión lineal, la regresión logística, etc. La familia de instructores de clasificación binaria SDCA incluye varios miembros sellados: (1) SdcaNonCalibratedBinaryTrainer admite funciones de pérdida general y devuelve LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer básicamente entrena un modelo de regresión logística regularizada. Dado que la regresión logística proporciona naturalmente una salida de probabilidad, el tipo del modelo generado es CalibratedModelParametersBase<TSubModel,TCalibrator>.
donde TSubModel es LinearBinaryModelParameters y TCalibrator es 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)Parámetros de tipo
- TModelParameters
- Herencia
-
SdcaTrainerBase<SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,BinaryPredictionTransformer<TModelParameters>,TModelParameters>SdcaBinaryTrainerBase<TModelParameters>
- Derivado
Campos
| Nombre | Description |
|---|---|
| FeatureColumn |
Columna de características que el instructor espera. (Heredado de TrainerEstimatorBase<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 |
SDCA es un algoritmo de entrenamiento general para modelos lineales (generalizados), como la máquina de vectores de compatibilidad, la regresión lineal, la regresión logística, etc. La familia de instructores de clasificación binaria SDCA incluye varios miembros sellados: (1) SdcaNonCalibratedBinaryTrainer admite funciones de pérdida general y devuelve LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer básicamente entrena un modelo de regresión logística regularizada. Dado que la regresión logística proporciona naturalmente una salida de probabilidad, el tipo del modelo generado es CalibratedModelParametersBase<TSubModel,TCalibrator>.
donde |
Métodos
| Nombre | Description |
|---|---|
| Fit(IDataView) |
Entrena y devuelve un ITransformer. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
SDCA es un algoritmo de entrenamiento general para modelos lineales (generalizados), como la máquina de vectores de compatibilidad, la regresión lineal, la regresión logística, etc. La familia de instructores de clasificación binaria SDCA incluye varios miembros sellados: (1) SdcaNonCalibratedBinaryTrainer admite funciones de pérdida general y devuelve LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer básicamente entrena un modelo de regresión logística regularizada. Dado que la regresión logística proporciona naturalmente una salida de probabilidad, el tipo del modelo generado es CalibratedModelParametersBase<TSubModel,TCalibrator>.
donde |
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. |