OlsTrainer Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Element IEstimator<TTransformer> do trenowania modelu regresji liniowej przy użyciu zwykłych najmniejszych kwadratów (OLS) do szacowania parametrów modelu regresji liniowej.
public sealed class OlsTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.OlsModelParameters>,Microsoft.ML.Trainers.OlsModelParameters>type OlsTrainer = class
inherit TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>, OlsModelParameters>Public NotInheritable Class OlsTrainer
Inherits TrainerEstimatorBase(Of RegressionPredictionTransformer(Of OlsModelParameters), OlsModelParameters)- Dziedziczenie
Uwagi
Aby utworzyć tego trenera, użyj ols lub Ols(Options).
Kolumny wejściowe i wyjściowe
Dane kolumny etykiety wejściowej muszą być Single. Dane kolumn funkcji wejściowych muszą być znanym wektorem o rozmiarze Single.
Ten trener zwraca następujące kolumny:
| Nazwa kolumny wyjściowej | Typ kolumny | Description |
|---|---|---|
Score |
Single | Niezwiązany wynik przewidywany przez model. |
Cechy trenera
| Zadanie uczenia maszynowego | Regression |
| Czy normalizacja jest wymagana? | Yes |
| Czy buforowanie jest wymagane? | No |
| Wymagane narzędzie NuGet oprócz Microsoft.ML | Microsoft.ML.Mkl.Components |
| Możliwość eksportowania do ONNX | Yes |
Szczegóły algorytmu trenowania
Co najmniej kwadraty (OLS) to metoda regresji sparametryzowanej. Przyjęto założenie, że średnia warunkowa zmiennej zależnej jest zgodna z funkcją liniową zmiennych zależnych. Parametry regresji można oszacować, minimalizując kwadraty różnicy między obserwowanymi wartościami a przewidywaniami
Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.
Pola
| Nazwa | Opis |
|---|---|
| FeatureColumn |
Kolumna funkcji, której oczekuje trener. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
Kolumna etykiety oczekiwana przez trenera. Może to być |
| WeightColumn |
Kolumna wagi oczekiwana przez trenera. Może to być |
Właściwości
| Nazwa | Opis |
|---|---|
| Info |
Element IEstimator<TTransformer> do trenowania modelu regresji liniowej przy użyciu zwykłych najmniejszych kwadratów (OLS) do szacowania parametrów modelu regresji liniowej. |
Metody
| Nazwa | Opis |
|---|---|
| Fit(IDataView) |
Trenuje i zwraca wartość ITransformer. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Element IEstimator<TTransformer> do trenowania modelu regresji liniowej przy użyciu zwykłych najmniejszych kwadratów (OLS) do szacowania parametrów modelu regresji liniowej. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>) |
Metody rozszerzania
| Nazwa | Opis |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane z buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejdą wiele danych. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólne ITransformer. Jednak w tym samym czasie IEstimator<TTransformer> są często tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który będzie wywoływany po wywołaniu dopasowania. |