TrainerEstimatorBase<TTransformer,TModel> Klasse

Definition

Namespace:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v3.0.1

Dies stellt eine Basisklasse für "einfache Trainer" dar. Ein "einfacher Trainer" akzeptiert eine Featurespalte und eine Beschriftungsspalte, optional auch eine Gewichtungsspalte. Es erzeugt einen "Vorhersagetransformator".

public abstract class TrainerEstimatorBase<TTransformer,TModel> : Microsoft.ML.IEstimator<TTransformer>, Microsoft.ML.Trainers.ITrainerEstimator<TTransformer,TModel> where TTransformer : ISingleFeaturePredictionTransformer<TModel> where TModel : class

type TrainerEstimatorBase<'ransformer, 'Model (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)> = class
    interface ITrainerEstimator<'ransformer, 'Model (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)>
    interface IEstimator<'ransformer (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model>)>

Public MustInherit Class TrainerEstimatorBase(Of TTransformer, TModel)
Implements IEstimator(Of TTransformer), ITrainerEstimator(Of TTransformer, TModel)

Typparameter

TTransformer

TModel

Vererbung

Object

TrainerEstimatorBase<TTransformer,TModel>

Abgeleitet

Microsoft.ML.Trainers.FastTree.GamTrainerBase<TOptions,TTransformer,TPredictor>

Microsoft.ML.Trainers.KMeansTrainer

Microsoft.ML.Trainers.LbfgsTrainerBase<TOptions,TTransformer,TModel>

Microsoft.ML.Trainers.LdSvmTrainer

Microsoft.ML.Trainers.LinearTrainerBase<TTransformer,TModel>

Microsoft.ML.Trainers.NaiveBayesMulticlassTrainer

Microsoft.ML.Trainers.OlsTrainer

Microsoft.ML.Trainers.OnlineLinearTrainer<TTransformer,TModel>

Microsoft.ML.Trainers.RandomizedPcaTrainer

Microsoft.ML.Trainers.StochasticTrainerBase<TTransformer,TModel>

Microsoft.ML.Trainers.SymbolicSgdLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

Microsoft.ML.Vision.ImageClassificationTrainer

Implementiert

IEstimator<TTransformer> ITrainerEstimator<TTransformer,TModel>

Felder

FeatureColumn	Die Featurespalte, die der Trainer erwartet.
LabelColumn	Die Bezeichnungsspalte, die der Trainer erwartet. Kann sein null, was angibt, dass die Bezeichnung nicht für Schulungen verwendet wird.
WeightColumn	Die Gewichtsspalte, die der Trainer erwartet. nullKann sein, was angibt, dass das Gewicht nicht für die Schulung verwendet wird.

Eigenschaften

Info	Die Informationen über den Trainer: ob sie von normalisierung, Zwischenspeicherung usw. profitieren.

Methoden

Fit(IDataView)	Züge und zurückgeben eine ITransformer.
GetOutputSchema(SchemaShape)	Dies stellt eine Basisklasse für "einfache Trainer" dar. Ein "einfacher Trainer" akzeptiert eine Featurespalte und eine Beschriftungsspalte, optional auch eine Gewichtungsspalte. Es erzeugt einen "Vorhersagetransformator".

Erweiterungsmethoden

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Fügen Sie einen "Zwischenspeicherpunkt" an die Stimatorkette an. Dadurch wird sichergestellt, dass die nachgelagerten Stimatoren gegen zwischengespeicherte Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt zu haben, bevor Trainer, die mehrere Daten übergeben.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Geben Sie aufgrund einer Schätzung ein Umbruchobjekt zurück, das einen Stellvertretung aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist oft wichtig, dass eine Schätzung Informationen zu dem zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein spezifisches typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformer. Gleichzeitig IEstimator<TTransformer> werden jedoch oft Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von EstimatorChain<TLastTransformer> Schätzern erstellen müssen, über die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die einmal aufgerufen wird, wenn die Anpassung aufgerufen wird.