SdcaNonCalibratedMulticlassTrainer 类

  • 参考

定义

命名空间:
Microsoft.ML.Trainers
程序集:
Microsoft.ML.StandardTrainers.dll
包:
Microsoft.ML v3.0.1
包:
Microsoft.ML v1.0.0
包:
Microsoft.ML v1.1.0
包:
Microsoft.ML v1.2.0
包:
Microsoft.ML v1.3.1
包:
Microsoft.ML v1.4.0
包:
Microsoft.ML v1.5.5
包:
Microsoft.ML v1.6.0
包:
Microsoft.ML v1.7.0
包:
Microsoft.ML v2.0.0

使用IEstimator<TTransformer> 线性多类分类器预测目标。 训练的模型 LinearMulticlassModelParameters 生成类的概率。

public sealed class SdcaNonCalibratedMulticlassTrainer : Microsoft.ML.Trainers.SdcaMulticlassTrainerBase<Microsoft.ML.Trainers.LinearMulticlassModelParameters>
type SdcaNonCalibratedMulticlassTrainer = class
    inherit SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>
Public NotInheritable Class SdcaNonCalibratedMulticlassTrainer
Inherits SdcaMulticlassTrainerBase(Of LinearMulticlassModelParameters)
继承
Object
TrainerEstimatorBase<TTransformer,TModel>
StochasticTrainerBase<TTransformer,TModel>
SdcaTrainerBase<SdcaMulticlassTrainerBase<TModel>.MulticlassOptions,MulticlassPredictionTransformer<TModel>,TModel>
SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>
SdcaNonCalibratedMulticlassTrainer

注解

若要创建此训练程序，请使用 SdcaMaximumEntropy 或 SdcaMaximumEntropy (选项) 。

输入和输出列

输入标签列数据必须是 键 类型，特征列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 描述
Score Single 的向量 所有类的分数。 值越高意味着落入相关类的概率越高。 如果第 i 个元素具有最大值，则预测的标签索引为 i。 请注意，i 是从零开始的索引。
PredictedLabel key 类型 预测标签的索引。 如果其值为 i，则实际标签为键值输入标签类型中的第 i 个类别。

训练器特征
机器学习任务 多类分类
规范化是否需要？ 是
是否需要缓存？ 否
除 Microsoft.ML 外所需的 NuGet 无
可导出到 ONNX 是

评分函数

这会训练线性模型来解决多类分类问题。 假设类数为 $m$ 且特征数为 $n$。 它为 $c$-th 类分配系数向量 $\textbf{w}_c \in {\mathbb R}^n$ 和 {\mathbb R}$ 中的偏差$b_c \，用于 $c=1，\dots，m$。 给定特征向量 $\textbf{x} \in {\mathbb R}^n$，$c$-th 类的分数将为 $\hat{y}^c = \textbf{w}_c^T \textbf{x} + b_c$。 请注意，输出分数列中的 $c$-th 值仅为 $\hat{y}^c$。

训练算法详细信息

请参阅 SdcaMulticlassTrainerBase 的文档。

有关使用示例的链接，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

使用IEstimator<TTransformer> 线性多类分类器预测目标。 训练的模型 LinearMulticlassModelParameters 生成类的概率。

(继承自 StochasticTrainerBase<TTransformer,TModel>)

方法

Fit(IDataView)

火车并返回一个 ITransformer。

(继承自 TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)

使用IEstimator<TTransformer> 线性多类分类器预测目标。 训练的模型 LinearMulticlassModelParameters 生成类的概率。

(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。

适用于

另请参阅