SymbolicSgdLogisticRegressionBinaryTrainer.Options Classe
Définition
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.
public sealed class SymbolicSgdLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.TrainerInputBaseWithLabeltype SymbolicSgdLogisticRegressionBinaryTrainer.Options = class
inherit TrainerInputBaseWithLabelPublic NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer.Options
Inherits TrainerInputBaseWithLabel- Héritage
-
SymbolicSgdLogisticRegressionBinaryTrainer.Options
Constructeurs
| Nom | Description |
|---|---|
| SymbolicSgdLogisticRegressionBinaryTrainer.Options() |
Options pour les SymbolicSgdLogisticRegressionBinaryTrainer options utilisées dans SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options). |
Champs
| Nom | Description |
|---|---|
| FeatureColumnName |
Colonne à utiliser pour les fonctionnalités. (Hérité de TrainerInputBase) |
| L2Regularization |
Régularisation L2. |
| LabelColumnName |
Colonne à utiliser pour les étiquettes. (Hérité de TrainerInputBaseWithLabel) |
| LearningRate |
Taux d’apprentissage. Une plus grande valeur peut potentiellement réduire le temps d’entraînement, mais entraîner une instabilité numérique et un surajustement. |
| MemorySize |
Budget de mémoire d’accélération en Mo. |
| NumberOfIterations |
Nombre de passes sur les données. |
| NumberOfThreads |
Degré de parallélisme sans verrou. Le déterminisme n’est pas garanti s’il est défini sur une valeur supérieure à 1. La valeur par défaut est le nombre de cœurs logiques disponibles sur le système. |
| PositiveInstanceWeight |
Appliquez du poids à la classe positive, pour les données déséquilibrées. |
| Shuffle |
Définissez la valeur pour |
| Tolerance |
Tolérance à la différence de perte moyenne dans les passes consécutives. Si la réduction de la perte est inférieure à la tolérance spécifiée dans une itération, le processus d’entraînement est arrêté. |
| UpdateFrequency |
Le nombre d’itérations que chaque thread apprend un modèle local jusqu’à ce qu’il soit combiné au modèle global. La valeur faible signifie un modèle global plus mis à jour et une valeur élevée signifie moins de trafic de cache. |