LightGbmMulticlassTrainer クラス
定義
重要
一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。
LightGBM を使用してブースト デシジョン ツリーの多クラス分類モデルをトレーニングするための IEstimator<TTransformer> 。
public sealed class LightGbmMulticlassTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmMulticlassTrainer.Options,Microsoft.ML.Data.VBuffer<float>,Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Trainers.OneVersusAllModelParameters>,Microsoft.ML.Trainers.OneVersusAllModelParameters>type LightGbmMulticlassTrainer = class
inherit LightGbmTrainerBase<LightGbmMulticlassTrainer.Options, VBuffer<single>, MulticlassPredictionTransformer<OneVersusAllModelParameters>, OneVersusAllModelParameters>Public NotInheritable Class LightGbmMulticlassTrainer
Inherits LightGbmTrainerBase(Of LightGbmMulticlassTrainer.Options, VBuffer(Of Single), MulticlassPredictionTransformer(Of OneVersusAllModelParameters), OneVersusAllModelParameters)- 継承
注釈
このトレーナーを作成するには、 LightGbm または LightGbm (オプション) を使用します。
入力列と出力列
入力ラベル列のデータは キー 型である必要があり、特徴列は Singleの既知のサイズのベクターである必要があります。
このトレーナーは、次の列を出力します。
| [出力列の名前] | 列の種類 | 説明 |
|---|---|---|
Score |
Single のベクトル | すべてのクラスのスコア。 値が大きいほど、関連するクラスに分類される確率が高いことを意味します。 i 番目の要素の値が最も大きい場合、予測されるラベル インデックスは i になります。 i は 0 から始まるインデックスであることに注意してください。 |
PredictedLabel |
キーの種類 | 予測ラベルのインデックス。 値が i の場合、実際のラベルは、キー値入力ラベル型の i 番目のカテゴリになります。 |
トレーナーの特性
| 機械学習タスク | 多クラス分類 |
| 正規化は必要ですか? | No |
| キャッシュは必要ですか? | No |
| Microsoft.ML に加えて必要な NuGet | Microsoft.ML.LightGbm |
| ONNX にエクスポート可能 | Yes |
トレーニング アルゴリズムの詳細
LightGBM は、勾配ブースティング デシジョン ツリーのオープンソース実装です。 実装の詳細については、 LightGBM の公式ドキュメント またはこの ホワイト ペーパーを参照してください。
使用例へのリンクについては、「関連項目」セクションを参照してください。
フィールド
| 名前 | 説明 |
|---|---|
| FeatureColumn |
トレーナーが期待する特徴列。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
ランク付けトレーナーが期待する省略可能な groupID 列。 (継承元 TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
トレーナーが期待するラベル列。
|
| WeightColumn |
トレーナーが期待する重み列。
|
プロパティ
| 名前 | 説明 |
|---|---|
| Info |
LightGBM を使用してブースト デシジョン ツリーの多クラス分類モデルをトレーニングするための IEstimator<TTransformer> 。 (継承元 LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>) |
メソッド
| 名前 | 説明 |
|---|---|
| Fit(IDataView, IDataView) |
トレーニング データと検証データの両方を使用して LightGbmMulticlassTrainer をトレーニングし、 MulticlassPredictionTransformer<TModel>を返します。 |
| Fit(IDataView) |
ITransformerをトレーニングして返します。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
LightGBM を使用してブースト デシジョン ツリーの多クラス分類モデルをトレーニングするための IEstimator<TTransformer> 。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
拡張メソッド
| 名前 | 説明 |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
推定チェーンに "キャッシュ チェックポイント" を追加します。 これにより、ダウンストリーム推定器がキャッシュされたデータに対してトレーニングされるようになります。 複数のデータを受け取るトレーナーの前にキャッシュ チェックポイントを設定すると便利です。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
推定器が指定された場合は、 Fit(IDataView) が呼び出されるとデリゲートを呼び出すラップ オブジェクトを返します。 多くの場合、推定器が適合した内容に関する情報を返すことが重要です。そのため、 Fit(IDataView) メソッドは一般的な ITransformerではなく、明示的に型指定されたオブジェクトを返します。 ただし、同時に、 IEstimator<TTransformer> は多くのオブジェクトを含むパイプラインに形成されることが多いため、トランスフォーマーを取得する推定器がこのチェーンのどこかに埋もれている EstimatorChain<TLastTransformer> を使用して、推定器のチェーンを構築する必要がある場合があります。 このシナリオでは、このメソッドを使用して、fit が呼び出されると呼び出されるデリゲートをアタッチできます。 |
適用対象
こちらもご覧ください
- LightGbmMulticlassTrainer.Options
- LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
- LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LightGbmMulticlassTrainer+Options)