NaiveBayesMulticlassTrainer Clase

Definición

Espacio de nombres:

Microsoft.ML.Trainers

Ensamblado:

Microsoft.ML.StandardTrainers.dll

Paquete:

Microsoft.ML v3.0.1

IEstimator<TTransformer> para entrenar un modelo Bayes naive multiclase que admite valores de características binarias.

public sealed class NaiveBayesMulticlassTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Trainers.NaiveBayesMulticlassModelParameters>,Microsoft.ML.Trainers.NaiveBayesMulticlassModelParameters>

type NaiveBayesMulticlassTrainer = class
    inherit TrainerEstimatorBase<MulticlassPredictionTransformer<NaiveBayesMulticlassModelParameters>, NaiveBayesMulticlassModelParameters>

Public NotInheritable Class NaiveBayesMulticlassTrainer
Inherits TrainerEstimatorBase(Of MulticlassPredictionTransformer(Of NaiveBayesMulticlassModelParameters), NaiveBayesMulticlassModelParameters)

Herencia

Object

TrainerEstimatorBase<MulticlassPredictionTransformer<NaiveBayesMulticlassModelParameters>,NaiveBayesMulticlassModelParameters>

NaiveBayesMulticlassTrainer

Comentarios

Para crear este entrenador, use NaiveBayes.

Columnas de entrada y salida

Los datos de columna de etiqueta de entrada deben ser de tipo clave y la columna de característica debe ser un vector de tamaño conocido de Single.

Este instructor genera las siguientes columnas:

Nombre de columna de salida	Tipo de columna	Descripción
Score	Vector de Single	Puntuaciones de todas las clases. Un valor más alto indica mayor probabilidad de que caigan en la clase asociada. Si el elemento i-th tiene el valor más grande, el índice de la etiqueta de predicción sería i. Tenga en cuenta que i es el índice de base cero.
PredictedLabel	Tipo de clave	Índice de la etiqueta de predicción. Si su valor es i, la etiqueta real sería la categoría de i-th en el tipo de etiqueta de entrada con valores de clave.

Características del entrenador

Tarea de Machine Learning	Clasificación multiclase
¿Se requiere normalización?	Sí
¿Se requiere el almacenamiento en caché?	No
NuGet necesario además de Microsoft.ML	None
Exportable a ONNX	Sí

Detalles del algoritmo de entrenamiento

Bayes naive es un clasificador probabilístico que se puede usar para problemas multiclase. Con el teorema de Bayes, la probabilidad condicional de una muestra que pertenece a una clase se puede calcular en función del recuento de muestras para cada grupo de combinaciones de características. Sin embargo, el clasificador bayes naive solo es factible si el número de características y los valores que puede tomar cada característica es relativamente pequeño. Supone la independencia entre la presencia de características en una clase aunque puedan depender entre sí. Este instructor de varias clases acepta valores de características "binarios" de tipo float: los valores de características mayores que cero se tratan como true y los valores de características que son menores o iguales a 0 se tratan como false.

Consulte la sección Consulte también los vínculos a ejemplos de uso.

Campos

FeatureColumn	Columna de características que espera el instructor. (Heredado de TrainerEstimatorBase<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	Información auxiliar sobre el instructor en términos de sus capacidades y requisitos.

Métodos

Fit(IDataView)	Entrena y devuelve un ITransformerobjeto . (Heredado de TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	IEstimator<TTransformer> para entrenar un modelo Bayes naive multiclase que admite valores de características binarias. (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

• NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)