SdcaBinaryTrainerBase<TModelParameters> Classe
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
SDCA è un algoritmo di training generale per modelli lineari (generalizzati), ad esempio la macchina a vettori di supporto, la regressione lineare, la regressione logistica e così via. La famiglia di trainer di classificazione binaria SDCA include diversi membri sealed: (1) SdcaNonCalibratedBinaryTrainer supporta funzioni di perdita generali e restituisce LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer esegue essenzialmente il training di un modello di regressione logistica regolarizzata. Poiché la regressione logistica fornisce naturalmente output di probabilità, il tipo del modello generato è CalibratedModelParametersBase<TSubModel,TCalibrator>.
dove TSubModel è LinearBinaryModelParameters e TCalibrator è 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)Parametri di tipo
- TModelParameters
- Ereditarietà
-
SdcaTrainerBase<SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,BinaryPredictionTransformer<TModelParameters>,TModelParameters>SdcaBinaryTrainerBase<TModelParameters>
- Derivato
Campi
| Nome | Descrizione |
|---|---|
| FeatureColumn |
Colonna di funzionalità prevista dal formatore. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
Colonna etichetta prevista dal formatore. Può essere |
| WeightColumn |
Colonna di peso prevista dal formatore. Può essere |
Proprietà
| Nome | Descrizione |
|---|---|
| Info |
SDCA è un algoritmo di training generale per modelli lineari (generalizzati), ad esempio la macchina a vettori di supporto, la regressione lineare, la regressione logistica e così via. La famiglia di trainer di classificazione binaria SDCA include diversi membri sealed: (1) SdcaNonCalibratedBinaryTrainer supporta funzioni di perdita generali e restituisce LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer esegue essenzialmente il training di un modello di regressione logistica regolarizzata. Poiché la regressione logistica fornisce naturalmente output di probabilità, il tipo del modello generato è CalibratedModelParametersBase<TSubModel,TCalibrator>.
dove |
Metodi
| Nome | Descrizione |
|---|---|
| Fit(IDataView) |
Esegue il training e restituisce un oggetto ITransformer. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
SDCA è un algoritmo di training generale per modelli lineari (generalizzati), ad esempio la macchina a vettori di supporto, la regressione lineare, la regressione logistica e così via. La famiglia di trainer di classificazione binaria SDCA include diversi membri sealed: (1) SdcaNonCalibratedBinaryTrainer supporta funzioni di perdita generali e restituisce LinearBinaryModelParameters.
(2) SdcaLogisticRegressionBinaryTrainer esegue essenzialmente il training di un modello di regressione logistica regolarizzata. Poiché la regressione logistica fornisce naturalmente output di probabilità, il tipo del modello generato è CalibratedModelParametersBase<TSubModel,TCalibrator>.
dove |
Metodi di estensione
| Nome | Descrizione |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. In questo modo si garantisce che gli estimatori downstream vengano sottoposti a training su dati memorizzati nella cache. È utile disporre di un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dato uno strumento di stima, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sulle dimensioni, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit. |