SgdNonCalibratedTrainer Sınıf

Başvuru

Tanım

Ad Alanı:: Microsoft.ML.Trainers

Bütünleştirilmiş Kod:: Microsoft.ML.StandardTrainers.dll

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.0

Önemli

Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.

Paralel IEstimator<TTransformer> stokastik gradyan yöntemi kullanarak lojistik regresyon eğitimi için.

public sealed class SgdNonCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Trainers.LinearBinaryModelParameters>

type SgdNonCalibratedTrainer = class
    inherit SgdBinaryTrainerBase<LinearBinaryModelParameters>

Public NotInheritable Class SgdNonCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of LinearBinaryModelParameters)

Devralma: Object

TrainerEstimatorBase<TTransformer,TModel>

LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>

SgdBinaryTrainerBase<LinearBinaryModelParameters>
SgdNonCalibratedTrainer

Açıklamalar

Bu eğitmeni oluşturmak için SgdNonCalibrated veya SgdNonCalibrated(Seçenekler) kullanın.

Giriş ve Çıkış Sütunları

Giriş etiketi sütun verileri olmalıdır Boolean. Giriş özellikleri sütun verileri bilinen boyutlu bir vektör Singleolmalıdır. Bu eğitmen aşağıdaki sütunları oluşturur:

Çıkış Sütunu Adı	Sütun Türü	Description
`Score`	Single	Model tarafından hesaplanan ilişkisiz puan.
`PredictedLabel`	Boolean	Puanın işaretine göre tahmin edilen etiket. Negatif puan ile `false` , pozitif puan ise ile `true`eşler.

Eğitmen Özellikleri


Makine öğrenmesi görevi	İkili sınıflandırma
Normalleştirme gerekli mi?	Yes
Önbelleğe alma gerekli mi?	No
Microsoft.ML ek olarak gerekli NuGet	Hiçbiri
ONNX'e aktarılabilir	Yes

Eğitim Algoritması Ayrıntıları

Stokastik Gradyan Azalma (SGD), en gelişmiş performansı elde etmek için çeşitli makine öğrenmesi görevleriyle tümleştirilebilen popüler stokastik iyileştirme yordamlarından biridir. Bu eğitmen, herhangi bir kilitleme olmadan çoklu iş parçacığını destekleyen ikili sınıflandırma için Hogwild Stochastic Gradyan Azalmasını uygular. İlgili iyileştirme sorunu seyrekse Hogwild Stochastic Gradyan Azalma neredeyse en uygun yakınsama oranına ulaşır. Hogwild Stochastic Gradyan Azalma hakkında daha fazla bilgi için burada bulunabilir.

Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.

Alanlar

FeatureColumn	Eğitmenin beklediği özellik sütunu. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Eğitmenin beklediği etiket sütunu. etiketin eğitim için kullanılmadığını gösteren olabilir `null`. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Eğitmenin beklediği ağırlık sütunu. `null`olabilir, bu da ağırlığın eğitim için kullanılmadığını gösterir. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)

Özellikler

Info	Paralel IEstimator<TTransformer> stokastik gradyan yöntemi kullanarak lojistik regresyon eğitimi için. (Devralındığı yer: SgdBinaryTrainerBase<TModel>)

Yöntemler

Fit(IDataView)	bir ITransformereğitip döndürür. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	Zaten eğitilmiş `modelParameters` bir kullanarak bir SdcaLogisticRegressionBinaryTrainer öğesinin eğitimine devam eder ve bir Microsoft.ML.Data.BinaryPredictionTransformerdöndürür. (Devralındığı yer: SgdBinaryTrainerBase<TModel>)
GetOutputSchema(SchemaShape)	Paralel IEstimator<TTransformer> stokastik gradyan yöntemi kullanarak lojistik regresyon eğitimi için. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>)

Uzantı Metotları

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

Tahmin zincirine 'önbelleğe alma denetim noktası' ekleme. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçiren eğitmenlerden önce bir önbelleğe alma kontrol noktası olması yararlıdır.

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

Tahmin aracı verildiğinde, bir temsilci çağrıldıktan sonra Fit(IDataView) çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir; bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesne içeren işlem hatları halinde oluşturulur, bu nedenle transformatörü almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz.

Şunlara uygulanır

Aracılığıyla paylaş