SdcaNonCalibratedMulticlassTrainer 類別

定義

public sealed class SdcaNonCalibratedMulticlassTrainer : Microsoft.ML.Trainers.SdcaMulticlassTrainerBase<Microsoft.ML.Trainers.LinearMulticlassModelParameters>

type SdcaNonCalibratedMulticlassTrainer = class
    inherit SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>

Public NotInheritable Class SdcaNonCalibratedMulticlassTrainer
Inherits SdcaMulticlassTrainerBase(Of LinearMulticlassModelParameters)

繼承

Object

TrainerEstimatorBase<TTransformer,TModel>

StochasticTrainerBase<TTransformer,TModel>

SdcaTrainerBase<SdcaMulticlassTrainerBase<TModel>.MulticlassOptions,MulticlassPredictionTransformer<TModel>,TModel>

SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>

SdcaNonCalibratedMulticlassTrainer

備註

要建立這個訓練器，請使用 SdcaMaximumEntropy 或 SdcaMaximumEntropy（Options）。

輸入與輸出欄位

輸入標籤欄位資料必須是 鍵 型別，特徵欄位必須是已知大小的 Single向量。

此訓練器會輸出下列欄位：

訓練師特性

計分功能

此方法訓練線性模型以解決多類別分類問題。 假設類別數量為$m$，特徵數量為$n$。 它為第 $c$ 類分配係數向量 $\textbf{w}_c \in {\mathbb R}^n$ 以及偏向 $b_c \in {\mathbb R}$，當 $c=1，\dots，m$。 給定特徵向量 $\textbf{x} \in {\mathbb R}^n$，$c$ 第 級的分數為 $\hat{y}^c = \textbf{w}_c^T \textbf{x} + b_c$。 請注意，輸出分數欄中的第 $c$ 值僅為 $\hat{y}^c$。

訓練演算法細節

請參閱 SdcaMulticlassTrainerBase 的文件。

請參考「參見」區塊，裡面有使用範例的連結。

另請參閱

• SdcaNonCalibratedMulticlassTrainer.Options
• SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
• SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)