SdcaNonCalibratedMulticlassTrainer 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.
queIEstimator<TTransformer> se va a predecir un destino mediante un clasificador multiclase lineal. El modelo LinearMulticlassModelParameters entrenado genera probabilidades de clases.
public sealed class SdcaNonCalibratedMulticlassTrainer : Microsoft.ML.Trainers.SdcaMulticlassTrainerBase<Microsoft.ML.Trainers.LinearMulticlassModelParameters>type SdcaNonCalibratedMulticlassTrainer = class
inherit SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>Public NotInheritable Class SdcaNonCalibratedMulticlassTrainer
Inherits SdcaMulticlassTrainerBase(Of LinearMulticlassModelParameters)- Herencia
-
SdcaTrainerBase<SdcaMulticlassTrainerBase<TModel>.MulticlassOptions,MulticlassPredictionTransformer<TModel>,TModel>SdcaNonCalibratedMulticlassTrainer
Comentarios
Para crear este instructor, use SdcaMaximumEntropy o SdcaMaximumEntropy(Options).
Columnas de entrada y salida
Los datos de columna de etiqueta de entrada deben ser de tipo clave y la columna de característica debe ser un vector de tamaño conocido de Single.
Este instructor genera las columnas siguientes:
| Nombre de columna de salida | Tipo de columna | Description |
|---|---|---|
Score |
Vector de Single | Puntuaciones de todas las clases. El valor más alto significa una mayor probabilidad de caer en la clase asociada. Si el elemento i-th tiene el valor más grande, el índice de etiqueta previsto sería i. Tenga en cuenta que i es un índice de base cero. |
PredictedLabel |
llave tipo | Índice de la etiqueta de predicción. Si su valor es i, la etiqueta real sería la categoría i-th en el tipo de etiqueta de entrada con valores clave. |
Características del entrenador
| Tarea de aprendizaje automático | Clasificación multiclase |
| ¿Se requiere normalización? | Yes |
| ¿Se requiere el almacenamiento en caché? | No |
| NuGet necesario además de Microsoft.ML | Ninguno |
| Exportable a ONNX | Yes |
Función de puntuación
Esto entrena un modelo lineal para resolver problemas de clasificación multiclase. Supongamos que el número de clases es $m$ y el número de características es $n$. Asigna a la clase $c$-th un vector de coeficiente $\textbf{w}_c \in {\mathbb R}^n$ y un sesgo $b_c \in {\mathbb R}$, para $c=1,\dots,m$. Dado un vector de característica $\textbf{x} \in {\mathbb R}^n$, la puntuación de la clase $c$-th sería $\hat{y}^c = \textbf{w}_c^T \textbf{x} + b_c$. Tenga en cuenta que el valor $c$-th de la columna de puntuación de salida es simplemente $\hat{y}^c$.
Detalles del algoritmo de entrenamiento
Consulte la documentación de SdcaMulticlassTrainerBase.
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>) |
| LabelColumn |
Columna de etiqueta que el entrenador espera. Puede ser |
| WeightColumn |
Columna de peso que espera el entrenador. Puede ser |
Propiedades
| Nombre | Description |
|---|---|
| Info |
queIEstimator<TTransformer> se va a predecir un destino mediante un clasificador multiclase lineal. El modelo LinearMulticlassModelParameters entrenado genera probabilidades de clases. (Heredado de StochasticTrainerBase<TTransformer,TModel>) |
Métodos
| Nombre | Description |
|---|---|
| Fit(IDataView) |
Entrena y devuelve un ITransformer. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
queIEstimator<TTransformer> se va a predecir un destino mediante un clasificador multiclase lineal. El modelo LinearMulticlassModelParameters entrenado genera probabilidades de clases. (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. |
Se aplica a
Consulte también
- SdcaNonCalibratedMulticlassTrainer.Options
- SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
- SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)