SdcaNonCalibratedMulticlassTrainer 類別

定義

命名空間:

Microsoft.ML.Trainers

組件:

Microsoft.ML.StandardTrainers.dll

套件:

Microsoft.ML v3.0.1

， IEstimator<TTransformer> 用來使用線性多類別分類器預測目標。 定型的模型 LinearMulticlassModelParameters 會產生類別的機率。

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)

繼承

Object

TrainerEstimatorBase<TTransformer,TModel>

StochasticTrainerBase<TTransformer,TModel>

SdcaTrainerBase<SdcaMulticlassTrainerBase<TModel>.MulticlassOptions,MulticlassPredictionTransformer<TModel>,TModel>

SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>

SdcaNonCalibratedMulticlassTrainer

備註

若要建立此定型器，請使用 SdcaMaximumEntropy 或 SdcaMaximumEntropy (Options) 。

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，而且特徵資料行必須是 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？	是
是否需要快取？	否
除了 Microsoft.ML 之外，還需要 NuGet	無
可匯出至 ONNX	是

評分函式

這會定型線性模型來解決多類別分類問題。 假設類別數目為 $m$，且功能數目為 $n$。 它會為 $c$-th 類別指派系數向量 $\textbf{w}_c \in {\mathbb R}^n$ 和 {\mathbb R}$ 中的偏差$b_c \，適用于 $c=1，\dots，m$。 假設 {\mathbb R}^n$ 中的特徵向量 $\textbf{x} \， $c$-th 類別的分數會是 $\hat{y}^c = \textbf{w}_c^T \textbf{x} + b_c$。 請注意，輸出分數資料行中的$c$-th 值只是 $\hat{y}^c$。

定型演算法詳細資料

請參閱 SdcaMulticlassTrainerBase的檔。

如需使用範例的連結，請參閱另請參閱一節。

欄位

FeatureColumn	定型器預期的功能資料行。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	定型器預期的標籤資料行。 可以是 null ，表示標籤不會用於定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	定型器預期的加權資料行。 可以是 null ，表示加權不會用於定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

屬性

Info	， IEstimator<TTransformer> 用來使用線性多類別分類器預測目標。 定型的模型 LinearMulticlassModelParameters 會產生類別的機率。 (繼承來源 StochasticTrainerBase<TTransformer,TModel>)

方法

Fit(IDataView)	定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	， IEstimator<TTransformer> 用來使用線性多類別分類器預測目標。 定型的模型 LinearMulticlassModelParameters 會產生類別的機率。 (繼承來源 TrainerEstimatorBase<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，先有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	指定估算器時，傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常務必傳回符合專案的相關資訊，這就是 Fit(IDataView) 方法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建置估算器的鏈結，而我們想要取得轉換器的估算器 EstimatorChain<TLastTransformer> 會在此鏈結的某處放置。 在該案例中，我們可以透過這個方法附加呼叫一次會呼叫的委派。

另請參閱

• SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
• SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
• SdcaNonCalibratedMulticlassTrainer.Options