OneVersusAllTrainer 類別

定義

命名空間:

Microsoft.ML.Trainers

組件:

Microsoft.ML.StandardTrainers.dll

套件:

Microsoft.ML v3.0.1

用於 IEstimator<TTransformer> 定型使用指定二元分類器的一元與全部多類別分類器。

public sealed class OneVersusAllTrainer : Microsoft.ML.Trainers.MetaMulticlassTrainer<Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Trainers.OneVersusAllModelParameters>,Microsoft.ML.Trainers.OneVersusAllModelParameters>

type OneVersusAllTrainer = class
    inherit MetaMulticlassTrainer<MulticlassPredictionTransformer<OneVersusAllModelParameters>, OneVersusAllModelParameters>

Public NotInheritable Class OneVersusAllTrainer
Inherits MetaMulticlassTrainer(Of MulticlassPredictionTransformer(Of OneVersusAllModelParameters), OneVersusAllModelParameters)

繼承

Object

MetaMulticlassTrainer<MulticlassPredictionTransformer<OneVersusAllModelParameters>,OneVersusAllModelParameters>

OneVersusAllTrainer

備註

若要建立此定型器，請使用 OneVersusAll。

輸入和輸出資料行

輸入標籤資料行資料必須是 索引鍵 類型，特徵資料行必須是 的已知大小向量 Single 。

此定型器會輸出下列資料行：

輸出資料行名稱	資料行類型	描述
Score	Single 的向量	所有類別的分數。 較高值表示落入相關聯類別的機率較高。 若第 i 個項目具有最大值，則預測標籤索引將會是 i。 請注意，i 是以零為基礎的索引。
PredictedLabel	索引鍵 類型	預測標籤的索引。 若其值是 i，則實際標籤可能會是索引鍵/值輸入標籤類型中的第 i 個類別。

定型器特性

機器學習工作	多元分類
是否需要正規化？	取決於基礎二進位分類器
是否需要快取？	是
除了 Microsoft.ML 之外，還需要 NuGet	無
可匯出至 ONNX	是

定型演算法詳細資料

在一對全 (OVA) 策略中，二元分類演算法是用來為每個類別定型一個分類器，以區分該類別與其他所有類別。 然後，執行這些二元分類器並選擇具有最高信賴分數的預測，即可執行預測。 此演算法可以與 ML.NET 中的任何二進位分類器搭配使用。 一些二元分類器已經有多類別問題的實作，因此使用者可以根據內容選擇其中一個。 二元分類器的 OVA 版本，例如包裝 LightGbmBinaryTrainer ，可以不同于 LightGbmMulticlassTrainer 直接開發多類別分類器。 請注意，即使分類器指出它不需要快取，OneVersusAll 一律會要求快取，因為它會在資料集上執行多個傳遞。 如果分類器指出從資料管線獲益，此定型器會要求正規化。

這可讓您利用非自然具有多類別選項的定型人員，例如，使用 FastTreeBinaryTrainer 來解決多類別問題。 或者，即使定型器具有多類別選項，也可以允許 ML.NET 解決「更簡單」的問題，但直接使用它並不實用，通常是記憶體條件約束。 例如，雖然多類別羅吉斯回歸是解決多類別問題的更原則方式，但是訓練人員需要以所有類別的 L-BFGS 歷程記錄形式儲存更多中繼 狀態，而不只是一對一分類模型所需的一對一分類模型。

如需使用範例的連結，請參閱另請參閱一節。

屬性

Info	用於 IEstimator<TTransformer> 定型使用指定二元分類器的一元與全部多類別分類器。 (繼承來源 MetaMulticlassTrainer<TTransformer,TModel>)

方法

Fit(IDataView)	MulticlassPredictionTransformer<TModel>定型模型。
GetOutputSchema(SchemaShape)	取得輸出資料行。 (繼承來源 MetaMulticlassTrainer<TTransformer,TModel>)

擴充方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前，擁有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	假設有估算器，則會傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊，這就是方法 Fit(IDataView) 傳回特定型別物件的原因，而不是只傳回一般 ITransformer 。 不過，同時 IEstimator<TTransformer> ，通常會形成具有許多物件的管線，因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結，而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中，我們可以透過此方法附加呼叫一次將會呼叫的委派。

另請參閱

• OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)