GamRegressionTrainer 类

定义

命名空间:

Microsoft.ML.Trainers.FastTree

程序集:

Microsoft.ML.FastTree.dll

包:

Microsoft.ML.FastTree v2.0.0

用于 IEstimator<TTransformer> 使用通用累加模型训练回归模型 (GAM) 。

public sealed class GamRegressionTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>,Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>

type GamRegressionTrainer = class
    inherit GamTrainerBase<GamRegressionTrainer.Options, RegressionPredictionTransformer<GamRegressionModelParameters>, GamRegressionModelParameters>

Public NotInheritable Class GamRegressionTrainer
Inherits GamTrainerBase(Of GamRegressionTrainer.Options, RegressionPredictionTransformer(Of GamRegressionModelParameters), GamRegressionModelParameters)

继承

Object

TrainerEstimatorBase<TTransformer,TPredictor>

GamTrainerBase<GamRegressionTrainer.Options,RegressionPredictionTransformer<GamRegressionModelParameters>,GamRegressionModelParameters>

GamRegressionTrainer

注解

若要创建此训练程序，请使用 游戏 或 游戏 (选项) 。

输入和输出列

输入标签列数据必须为 Single。 输入特征列数据必须是已知大小的向量 Single。

该训练程序输出以下列：

输出列名称	列名称	说明
Score	Single	模型预测的未绑定分数。

训练器特征

机器学习任务	回归
规范化是否需要？	否
是否需要缓存？	否
除 Microsoft.ML 外所需的 NuGet	Microsoft.ML.FastTree
可导出到 ONNX	否

训练算法详细信息

通用累加模型或 GAM 将数据建模为类似于线性模型的一组线性独立特征。 对于每个特征，GAM 训练器将学习一个名为“形状函数”的非线性函数，该函数将响应计算为特征值的函数。 (相反，线性模型适合线性响应 (，例如每个特征的直线) 。) 若要对输入进行评分，将求和所有形状函数的输出，分数是总值。

此 GAM 训练器是使用浅渐变提升树实现的 (，例如树桩) 学习非参数形状函数，并基于卢、卡鲁阿纳和 Gehrke 中所述的方法。 “用于分类和回归的 Intelligible 模型。 KDD'12，北京，中国。 2012. 训练后，将添加一个截距来表示训练集的平均预测，并规范化形状函数来表示与平均预测的偏差。 这会导致只需检查截距和形状函数即可轻松解释的模型。 有关如何训练 GAM 模型并检查和解释结果的示例，请参阅以下示例。

有关用法示例的链接，请查看“另请参阅”部分。

字段

FeatureColumn	训练程序期望的功能列。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	训练程序期望的标签列。 可以是 null，指示标签不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	训练器期望的权重列。 可以 null，这表示权重不用于训练。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)

属性

Info	用于 IEstimator<TTransformer> 使用通用累加模型训练回归模型 (GAM) 。 (继承自 GamTrainerBase<TOptions,TTransformer,TPredictor>)

方法

Fit(IDataView)	火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	使用训练和验证数据训练一个 GamRegressionTrainer 返回 a RegressionPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	用于 IEstimator<TTransformer> 使用通用累加模型训练回归模型 (GAM) 。 (继承自 TrainerEstimatorBase<TTransformer,TModel>)

扩展方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。

另请参阅

• Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)
• Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)
• GamRegressionTrainer.Options