LdSvmTrainer 類別
定義
重要
部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。
利用 IEstimator<TTransformer> 非線性二元分類模型，並以局部深度SVM訓練，預測目標。
public sealed class LdSvmTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LdSvmModelParameters>,Microsoft.ML.Trainers.LdSvmModelParameters>type LdSvmTrainer = class
inherit TrainerEstimatorBase<BinaryPredictionTransformer<LdSvmModelParameters>, LdSvmModelParameters>Public NotInheritable Class LdSvmTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of LdSvmModelParameters), LdSvmModelParameters)- 繼承
備註
要建立這個訓練器，請使用 LdSvm 或 LdSvm（Options）。
輸入與輸出欄位
輸入標籤欄位資料必須是 Boolean。 輸入特徵欄位資料必須是已知大小的向量。Single 此訓練器會輸出下列欄位：
| 輸出數據行名稱 | 欄類型 | Description |
|---|---|---|
Score |
Single | 模型計算出的無界分數。 |
PredictedLabel |
Boolean | 根據分數的符號來預測的標籤。 負數分數會對應至 false，正分數會對應至 true。 |
訓練師特性
| 機器學習任務 | 二元分類 |
| 需要正規化嗎？ | Yes |
| 快取是必須的嗎？ | No |
| 除了 Microsoft.ML 之外，必須使用 NuGet | None |
| 可匯出至 ONNX | No |
訓練演算法細節
局部深度SVM（LD-SVM）是針對非線性SVM的局部多核學習的推廣。 多個核方法會為特徵空間中的每個點學習不同的核，因此也學習不同的分類器。 多核方法的預測時間成本對大型訓練集來說可能非常昂貴，因為它與支持向量數量成正比，而這些向量會隨訓練集大小線性增加。 LD-SVM 透過學習一種高維且稀疏的樹狀局部特徵嵌入，有效編碼非線性，從而降低預測成本。 使用 LD-SVM 時，預測成本會隨著訓練集大小的對數增長，而非線性增長，且分類準確度會造成可接受的損失。
局部深度SVM是C . Jose、P. Goyal、P. Aggrwal與M. Varma於2013年著作《局部深度核心學習用於高效非線性SVM預測》中描述的演算法實作。
請參考「參見」區塊，裡面有使用範例的連結。
欄位
| 名稱 | Description |
|---|---|
| FeatureColumn |
訓練師期待的特色欄。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
訓練師期望的標籤欄。 可以是 |
| WeightColumn |
訓練師預期的體重欄。 可以是 |
屬性
| 名稱 | Description |
|---|---|
| Info |
利用 IEstimator<TTransformer> 非線性二元分類模型，並以局部深度SVM訓練，預測目標。 |
方法
| 名稱 | Description |
|---|---|
| Fit(IDataView) |
訓練並返回 ITransformer。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
利用 IEstimator<TTransformer> 非線性二元分類模型，並以局部深度SVM訓練，預測目標。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>) |
擴充方法
| 名稱 | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
在估計鏈中附加一個「快取檢查點」。 這將確保下游估計器能針對快取資料進行訓練。 在訓練師接受多次資料通行前設置快取檢查點會很有幫助。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
給定一個估計器，回傳一個包裹物件，該物件會呼叫一次 Fit(IDataView) 代理。 估計器通常回傳擬合的資訊很重要，因此該 Fit(IDataView) 方法回傳一個特定型別的物件，而非一般 ITransformer的 。 然而，同時， IEstimator<TTransformer> 通常會被組成包含許多物件的管線，因此我們可能需要建立一條估計鏈，將 EstimatorChain<TLastTransformer> 我們想要取得變壓器的估計器埋藏在這條鏈的某處。 在這種情況下，我們可以透過此方法附加一個代理，當 fit 被呼叫時會被呼叫。 |