Language

SgdCalibratedTrainer クラス

定義

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。

public sealed class SgdCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>
type SgdCalibratedTrainer = class
    inherit SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>
Public NotInheritable Class SgdCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))
継承

注釈

このトレーナーを作成するには、 SgdCalibrated または SgdCalibrated(Options)を使用します。

入力列と出力列

入力ラベル列のデータは Booleanする必要があります。 入力特徴列のデータは、 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 モデルによって計算された無制限のスコア。
PredictedLabel Boolean スコアの符号に基づく予測ラベル。 負のスコアは false にマップされ、正のスコアは trueにマップされます。
Probability Single ラベルとして true を持つスコアを調整することによって計算される確率。 確率値の範囲は [0, 1] です。

トレーナーの特性

機械学習タスク 二項分類
正規化は必要ですか? Yes
キャッシュは必要ですか? No
Microsoft.ML に加えて必要な NuGet なし
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

確率的勾配降下法 (SGD) は、最先端のパフォーマンスを実現するために、いくつかの機械学習タスクに統合できる一般的な確率的最適化手順の 1 つです。 このトレーナーは、ロックなしでマルチスレッドをサポートする二項分類のためのHogwild確率勾配降下を実装します。 関連する最適化の問題がスパースである場合、Hogwild 確率勾配降下法は、ほぼ最適な収束率を実現します。 Hogwild確率勾配降下の詳細については 、こちらをご覧ください。

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>)
LabelColumn

トレーナーが期待するラベル列。 nullできます。これは、ラベルがトレーニングに使用されていないことを示します。

(継承元 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn

トレーナーが期待する重み列。 nullできます。これは、トレーニングに重みが使用されていないことを示します。

(継承元 TrainerEstimatorBase<TTransformer,TModel>)

プロパティ

名前 説明
Info

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。

(継承元 SgdBinaryTrainerBase<TModel>)

メソッド

名前 説明
Fit(IDataView, LinearModelParameters)

既にトレーニング済みのSdcaLogisticRegressionBinaryTrainerを使用してmodelParametersのトレーニングを続行し、Microsoft.ML.Data.BinaryPredictionTransformerを返します。

(継承元 SgdBinaryTrainerBase<TModel>)
Fit(IDataView)

ITransformerをトレーニングして返します。

(継承元 TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)

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。

(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