Microsoft.ML.Trainers 名前空間

平均線形トレーナーの引数クラス。

平均線形トレーナーの基本クラス。

平均パーセプトロンでトレーニングされた線形二項分類モデルを使用してターゲットを予測する IEstimator<TTransformer> 。

AveragedPerceptronTrainerで使用されるAveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)のオプション。

計算されたモデル パラメーターに関する統計情報を含む係数統計オブジェクトを表します。

標準偏差、p 値、z スコアをさらに計算するために必要な、0 以外のトレーニング重みの各標準偏差行列を計算します。 Intel Math Kernel Library を使用する Microsoft.ML.Mkl.Components パッケージで、このクラスの実装を使用します。 正則化が存在するため、近似はトレーニングされた線形係数の分散を計算するために使用されます。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

指数損失。分類タスクでよく使用されます。

このクラスは、指数学習率の減衰を実装します。 tensorflow ドキュメントから実装されています。 ソース: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 既定値と学習率の実装は、Tensorflow Slim モデル テストから取得されます。 ソース： https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py

機能コントリビューション計算のサポート。

FieldAwareFactorizationMachineTrainerのモデル パラメーター。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

確率的勾配法を使用してトレーニングされたフィールド対応階乗機械学習モデルを使用してターゲットを予測する IEstimator<TTransformer> 。

FieldAwareFactorizationMachineTrainer.Options FieldAwareFactorizationMachineTrainerで使用されるFieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)。

ヒンジ損失。分類タスクでよく使用されます。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

KMeans クラスターをトレーニングするためのIEstimator<TTransformer>

KMeansTrainerで使用されるのオプション。

L-BFGS メソッドでトレーニングされた線形ロジスティック回帰モデルを使用してターゲットを予測する IEstimator<TTransformer> 。

で使用される LbfgsLogisticRegressionBinaryTrainer のオプション LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

L-BFGS メソッドでトレーニングされた最大エントロピ多クラス分類子を使用してターゲットを予測する IEstimator<TTransformer> 。

LbfgsMaximumEntropyMulticlassTrainer.Options LbfgsMaximumEntropyMulticlassTrainerで使用されるLbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)。

ポアソン回帰モデルをトレーニングするための IEstimator<TTransformer> 。

LbfgsPoissonRegressionTrainerで使用されるのオプション。

派生するトレーナー推定器の基本オプション クラスLbfgsTrainerBase<TOptions,TTransformer,TModel>。

L-BFGS ベースのトレーナーの基本クラス。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

Local Deep SVM でトレーニングされた非線形二項分類モデルを使用してターゲットを予測する IEstimator<TTransformer> 。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

この抽象クラスは、学習率スケジューラを定義します。

線形バイナリ トレーナー推定器のモデル パラメーター クラス。

線形モデル パラメーターの基本クラス。

線形モデル パラメーターの統計。

多クラス分類子の線形モデル。 すべての線形モデルの生スコアが出力され、可能性のある出力は提供されません。

多クラス分類子の一般的な線形モデル。 LinearMulticlassModelParameters には、クラスごとに 1 つの線形モデルが含まれています。

線形回帰のモデル パラメーター。

Linear SVM でトレーニングされた線形二項分類モデルを使用してターゲットを予測する IEstimator<TTransformer> 。

LinearSvmTrainerで使用されるLinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)のオプション。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

クロス エントロピー損失とも呼ばれるログ損失。 これは、分類タスクでよく使用されます。

このクラスは、線形スケーリング ルールと LR 減衰を実装します。 Tensorflow スリム RESNET-CIFAR ベンチマーク テストから採用された実装。 https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py

行列分解を使用してマトリックス内の要素を予測する IEstimator<TTransformer> ( コラボレーション フィルター処理の一種とも呼ばれます)。

MatrixFactorizationTrainerで使用されるのオプション。

多クラス分類子の線形最大エントロピ モデル。 クラスの確率を出力します。 このモデルは、多項ロジスティック回帰とも呼ばれます。 詳細については、 https://en.wikipedia.org/wiki/Multinomial_logistic_regression を参照してください。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

すべてのモデル パラメーターのジェネリック 基底クラス。

線形モデル パラメーターの統計。

NaiveBayesMulticlassTrainerのモデル パラメーター。

二項特徴値をサポートする多クラス Naive Bayes モデルをトレーニングするための IEstimator<TTransformer> 。

OlsTrainerのモデル パラメーター。

線形回帰モデルのパラメーターを推定するためにIEstimator<TTransformer> を使用して線形回帰モデルをトレーニングするための。

OlsTrainer で使用されるのオプション

OneVersusAllTrainerのモデル パラメーター。

指定した二項分類子を使用する 1 クラス分類子とすべての多クラス分類子をトレーニングするための IEstimator<TTransformer> 。

線形回帰モデルのパラメーターを推定するためのIEstimator<TTransformer> を使用して線形回帰モデルをトレーニングするための。

OnlineGradientDescent(Options)で使用されるOnlineGradientDescentTrainerのオプション。

オンライン リニア トレーナーの Arguments クラス。

オンライン リニア トレーナーの基本クラス。 オンライン トレーナーは、追加のデータを使用して増分的に更新できます。

PairwiseCouplingTrainerのモデル パラメーター。

指定した二項分類子を使用するペアワイズ結合多クラス分類子をトレーニングするための IEstimator<TTransformer> 。

RandomizedPcaTrainerのモデル パラメーター。

ポアソン回帰のポアソン損失関数。

ポアソン回帰のモデル パラメーター。

このクラスは、多項式学習速度の減衰を実装します。 tensorflow ドキュメントから実装されています。 ソース: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 既定値と学習率の実装は、Tensorflow Slim モデル テストから取得されます。 ソース： https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py

PriorTrainerのモデル パラメーター。

二項分類モデルを使用してターゲットを予測するための IEstimator<TTransformer> 。

ランダム化された SVD アルゴリズムを使用しておおよその PCA をトレーニングするための IEstimator<TTransformer> 。

RandomizedPcaTrainerで使用されるのオプション。

回帰のモデル パラメーター。

SdcaBinaryTrainerBase<TModelParameters>のオプション。

SDCA は、サポート ベクター マシン、線形回帰、ロジスティック回帰など、(一般化された) 線形モデルの一般的なトレーニング アルゴリズムです。 SDCA 二項分類トレーナー ファミリには、シールされたメンバーがいくつか含まれています。(1) SdcaNonCalibratedBinaryTrainer は一般的な損失機能をサポートし、 LinearBinaryModelParametersを返します。 (2) SdcaLogisticRegressionBinaryTrainer は、基本的に正則化されたロジスティック回帰モデルをトレーニングします。 ロジスティック回帰は自然に確率出力を提供するため、この生成されたモデルの型は CalibratedModelParametersBase<TSubModel,TCalibrator>。 ここで、 TSubModel は LinearBinaryModelParameters され、 TCalibrator は PlattCalibrator。

確率的二重座標上昇法を使用して二項ロジスティック回帰分類モデルをトレーニングするための IEstimator<TTransformer> 。 トレーニング済みのモデルは 調整され 、線形関数の出力値を PlattCalibratorに供給することで確率を生成できます。

SdcaLogisticRegressionBinaryTrainerで使用されるのオプション。

最大エントロピ多クラス分類子を使用してターゲットを予測する IEstimator<TTransformer> 。 トレーニング済みのモデル MaximumEntropyModelParameters では、クラスの確率が生成されます。

SdcaMaximumEntropyMulticlassTrainer.Options で使用される SdcaMaximumEntropyMulticlassTrainer 用 SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

SdcaMulticlassTrainerBase<TModel>のオプション。

座標降下法でトレーニングされた線形多クラス分類子モデルを使用してターゲットを予測する IEstimator<TTransformer> 。 使用される損失関数に応じて、トレーニング済みのモデルには、たとえば、最大エントロピ分類子や複数クラスサポート ベクター マシンを使用できます。

確率的二重座標上昇法を使用して二項ロジスティック回帰分類モデルをトレーニングするための IEstimator<TTransformer> 。

SdcaNonCalibratedBinaryTrainerのオプション。

線形多クラス分類子を使用してターゲットを予測するIEstimator<TTransformer> 。 トレーニング済みのモデル LinearMulticlassModelParameters では、クラスの確率が生成されます。

SdcaNonCalibratedMulticlassTrainer.Options SdcaNonCalibratedMulticlassTrainerで使用されるSdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)。

確率的二重座標上昇法を使用して回帰モデルをトレーニングするための IEstimator<TTransformer> 。

SdcaRegressionTrainerのオプション。

SDCA ベースのトレーナーのオプション。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

並列確率的勾配法を使用してロジスティック回帰をトレーニングするための IEstimator<TTransformer> 。 トレーニング済みのモデルは 調整され 、線形関数の出力値を PlattCalibratorに供給することで確率を生成できます。

SgdCalibratedTrainerで使用されるのオプション。

並列確率的勾配法を使用してロジスティック回帰をトレーニングするための IEstimator<TTransformer> 。

SgdNonCalibratedTrainerで使用されるのオプション。

分類タスクでよく使用される HingeLoss 関数のスムーズ バージョン。

回帰タスクでよく使用される二乗損失。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

シンボル確率的勾配降下法でトレーニングされた線形二項分類モデルを使用してターゲットを予測する IEstimator<TTransformer> 。

SymbolicSgdLogisticRegressionBinaryTrainerで使用されるSymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)のオプション。

これは、"simple trainer" の基本クラスを表します。 "シンプル トレーナー" は、1 つの特徴列と 1 つのラベル列 (必要に応じて重み列) を受け入れます。 "予測トランスフォーマー" が生成されます。

これは、"simple trainer" の基本クラスを表します。 "シンプル トレーナー" は、1 つの特徴列と 1 つのラベル列 (必要に応じて重み列) を受け入れます。 "予測トランスフォーマー" が生成されます。

すべてのトレーナー入力の基本クラス。

グループ列をサポートするすべてのトレーナー入力の基本クラス。

Label 列をサポートするすべてのトレーナー入力の基本クラス。

重み列をサポートするすべてのトレーナー入力の基本クラス。

Tweedie 分布の対数尤度に基づくツイーディー損失。 この損失関数は、ツイーディー回帰で使用されます。

重み列をサポートするすべての教師なしトレーナー入力の基本クラス。

この構造体は、学習率スケジューラ項目の種類を表します

モデル パラメーターによるフィーチャコントリビューション計算のサポートを許可します。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

損失関数は、最適なデュアルアップデートRef:Sec(6.2)に対する近い形式の解を知っているかもしれません http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

トレーナー推定器のインターフェイス。

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

損失関数の種類。