SymbolicSgdLogisticRegressionBinaryTrainer.Options Klasse

Definition

Namespace:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Mkl.Components.dll

Paket:

Microsoft.ML.Mkl.Components v3.0.1

Optionen für die SymbolicSgdLogisticRegressionBinaryTrainer verwendung in SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.TrainerInputBaseWithLabel

type SymbolicSgdLogisticRegressionBinaryTrainer.Options = class
    inherit TrainerInputBaseWithLabel

Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer.Options
Inherits TrainerInputBaseWithLabel

Vererbung

Object

TrainerInputBase

TrainerInputBaseWithLabel

SymbolicSgdLogisticRegressionBinaryTrainer.Options

Konstruktoren

SymbolicSgdLogisticRegressionBinaryTrainer.Options()

Optionen für die SymbolicSgdLogisticRegressionBinaryTrainer verwendung in SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

Felder

FeatureColumnName	Spalte, die für Features verwendet werden soll. (Geerbt von TrainerInputBase)
L2Regularization	L2-Regularisierung.
LabelColumnName	Spalte, die für Bezeichnungen verwendet werden soll. (Geerbt von TrainerInputBaseWithLabel)
LearningRate	Lernrate Ein größerer Wert kann die Schulungszeit potenziell verringern, aber numerische Instabilität und Überanpassung verursachen.
MemorySize	Das Beschleunigungsspeicherbudget in MB.
NumberOfIterations	Anzahl der Durchgänge über die Daten.
NumberOfThreads	Grad der sperrfreien Parallelität. Determinismus ist nicht garantiert, wenn dies auf höher als 1 festgelegt ist. Der Standardwert ist die Anzahl der logischen Kerne, die auf dem System verfügbar sind.
PositiveInstanceWeight	Wenden Sie Gewicht auf die positive Klasse an, für unausgeglichene Daten.
Shuffle	Legen Sie fest, dass true die Daten zu Schränken führen.
Tolerance	Toleranz für den Unterschied in durchschnittlichen Verlusten in aufeinander folgenden Läufen. Wenn die Verringerung des Verlusts kleiner als die angegebene Toleranz in einer Iteration ist, wird der Schulungsvorgang beendet.
UpdateFrequency	Die Anzahl der Iterationen jedes Threads lernt ein lokales Modell, bis sie mit dem globalen Modell kombiniert wird. Niedriger Wert bedeutet mehr aktualisiertes globales Modell und hoher Wert bedeutet weniger Cachedatenverkehr.