LightGbmRankingTrainer Clase

Definición

Espacio de nombres:

Microsoft.ML.Trainers.LightGbm

Ensamblado:

Microsoft.ML.LightGbm.dll

Paquete:

Microsoft.ML.LightGbm v3.0.1

IEstimator<TTransformer> para entrenar un modelo de clasificación de árbol de decisión ampliado mediante LightGBM.

public sealed class LightGbmRankingTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmRankingTrainer.Options,float,Microsoft.ML.Data.RankingPredictionTransformer<Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>,Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>

type LightGbmRankingTrainer = class
    inherit LightGbmTrainerBase<LightGbmRankingTrainer.Options, single, RankingPredictionTransformer<LightGbmRankingModelParameters>, LightGbmRankingModelParameters>

Public NotInheritable Class LightGbmRankingTrainer
Inherits LightGbmTrainerBase(Of LightGbmRankingTrainer.Options, Single, RankingPredictionTransformer(Of LightGbmRankingModelParameters), LightGbmRankingModelParameters)

Herencia

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

LightGbmTrainerBase<LightGbmRankingTrainer.Options,Single,RankingPredictionTransformer<LightGbmRankingModelParameters>,LightGbmRankingModelParameters>

LightGbmRankingTrainer

Comentarios

Para crear este instructor, use LightGbm o LightGbm(Options).

Columnas de entrada y salida

El tipo de datos de la etiqueta de entrada debe ser de tipo de clave o Single. El valor de la etiqueta determina la relevancia, donde los valores más altos indican mayor relevancia. Si la etiqueta es de tipo de clave, entonces el índice de la clave es el valor de relevancia, donde el índice más pequeño es el menos relevante. Si la etiqueta es un Single, los valores mayores indican mayor relevancia. La columna de característica debe ser un vector de tamaño conocido de y la columna de grupo de Single filas de entrada debe ser de tipo clave .

Este instructor genera las siguientes columnas:

Nombre de columna de salida	Tipo de columna	Descripción
Score	Single	Puntuación sin enlazar que calculó el modelo para determinar la predicción.

Características del entrenador

Tarea de Machine Learning	Clasificación
¿Se requiere normalización?	No
¿Se requiere el almacenamiento en caché?	No
NuGet necesario además de Microsoft.ML	Microsoft.ML.LightGbm
Exportable a ONNX	No

Detalles del algoritmo de entrenamiento

LightGBM es una implementación código abierto del árbol de decisión de aumento de degradado. Para obtener más información sobre la implementación, consulte la documentación oficial de LightGBM o este documento.

Consulte la sección Ver también para obtener vínculos a ejemplos del uso.

Campos

FeatureColumn	Columna de características que espera el instructor. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	Columna groupID opcional que espera el instructor de clasificación. (Heredado de TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn	Columna de etiqueta que espera el instructor. Puede ser null, que indica que la etiqueta no se usa para el entrenamiento. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Columna de peso que espera el entrenador. Puede ser null, lo que indica que el peso no se usa para el entrenamiento. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)

Propiedades

Info	IEstimator<TTransformer> para entrenar un modelo de clasificación de árbol de decisión ampliado mediante LightGBM. (Heredado de LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>)

Métodos

Fit(IDataView)	Entrena y devuelve un ITransformerobjeto . (Heredado de TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	Entrena un LightGbmRankingTrainer objeto mediante datos de entrenamiento y validación, devuelve un RankingPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	IEstimator<TTransformer> para entrenar un modelo de clasificación de árbol de decisión ampliado mediante LightGBM. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)

Métodos de extensión

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

Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de bajada se entrenarán con datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos.

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

Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) . A menudo, es importante que un estimador devuelva información sobre lo que cabe, por lo que el Fit(IDataView) método devuelve un objeto con tipo específico, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador se enterró en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit.

Consulte también

• LightGbm(RankingCatalog+RankingTrainers, String, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
• LightGbm(RankingCatalog+RankingTrainers, LightGbmRankingTrainer+Options)
• LightGbmRankingTrainer.Options