SdcaNonCalibratedBinaryTrainer.Options Classe

Définition

Espace de noms:: Microsoft.ML.Trainers

Assembly:: Microsoft.ML.StandardTrainers.dll

Paquet:: Microsoft.ML v4.0.1

Paquet:: Microsoft.ML v1.0.0

Paquet:: Microsoft.ML v1.1.0

Paquet:: Microsoft.ML v1.2.0

Paquet:: Microsoft.ML v1.3.1

Paquet:: Microsoft.ML v1.4.0

Paquet:: Microsoft.ML v1.5.5

Paquet:: Microsoft.ML v1.6.0

Paquet:: Microsoft.ML v1.7.0

Paquet:: Microsoft.ML v2.0.1

Paquet:: Microsoft.ML v3.0.1

Paquet:: Microsoft.ML v5.0.0-preview.1.25125.4

Source:: SdcaBinary.cs

Source:: SdcaBinary.cs

Source:: SdcaBinary.cs

Important

Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.

Options pour le SdcaNonCalibratedBinaryTrainer.

public sealed class SdcaNonCalibratedBinaryTrainer.Options : Microsoft.ML.Trainers.SdcaBinaryTrainerBase<Microsoft.ML.Trainers.LinearBinaryModelParameters>.BinaryOptionsBase

type SdcaNonCalibratedBinaryTrainer.Options = class
    inherit SdcaBinaryTrainerBase<LinearBinaryModelParameters>.BinaryOptionsBase

Public NotInheritable Class SdcaNonCalibratedBinaryTrainer.Options
Inherits SdcaBinaryTrainerBase(Of LinearBinaryModelParameters).BinaryOptionsBase

Héritage: Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

SdcaTrainerBase<SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,BinaryPredictionTransformer<TModelParameters>,TModelParameters>.OptionsBase

SdcaBinaryTrainerBase<LinearBinaryModelParameters>.BinaryOptionsBase
SdcaNonCalibratedBinaryTrainer.Options

Constructeurs

Nom	Description
SdcaNonCalibratedBinaryTrainer.Options()	Options pour le SdcaNonCalibratedBinaryTrainer.

Champs

Nom	Description
BiasLearningRate	Taux d’apprentissage pour ajuster le biais d’être régularisé. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ConvergenceCheckFrequency	Détermine la fréquence de vérification de la convergence en termes de nombre d’itérations. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ConvergenceTolerance	Tolérance au rapport entre l’écart de la dualité et la perte primaire pour la vérification de la convergence. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ExampleWeightColumnName	Colonne à utiliser pour un exemple de poids. (Hérité de TrainerInputBaseWithWeight)
FeatureColumnName	Colonne à utiliser pour les fonctionnalités. (Hérité de TrainerInputBase)
L1Regularization	Hyperparamètre de régularisation L1. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
L2Regularization	Hyperparamètre de régularisation L2. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
LabelColumnName	Colonne à utiliser pour les étiquettes. (Hérité de TrainerInputBaseWithLabel)
MaximumNumberOfIterations	Nombre maximal de passes à effectuer sur les données. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
NumberOfThreads	Degré de parallélisme sans verrou. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
PositiveInstanceWeight	Poids à appliquer à la classe positive. Cela est utile pour l’entraînement avec des données déséquilibrées. (Hérité de SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase)
Shuffle	Détermine s’il faut mélanger des données pour chaque itération d’entraînement. (Hérité de SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)

Propriétés

Nom	Description
LossFunction	Perte personnalisée.

S’applique à