SgdCalibratedTrainer 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> 使用平行隨機漸層方法定型羅吉斯回歸的 。 定型的模型經過 校正 ，而且可以將線性函式的輸出值饋送至 PlattCalibrator ，以產生機率。

public sealed class SgdCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type SgdCalibratedTrainer = class
    inherit SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class SgdCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))

繼承

Object

TrainerEstimatorBase<TTransformer,TModel>

LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>

SgdBinaryTrainerBase<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>

SgdCalibratedTrainer

備註

若要建立此定型器，請使用) (Options) 。

輸入和輸出資料行

輸入標籤資料行資料必須是 Boolean。 輸入特徵資料行資料必須是 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	模型所計算的未系結分數。
PredictedLabel	Boolean	預測標籤 (根據分數的正負號)。 負值分數會對應到 false，正值分數則會對應到 true。
Probability	Single	藉由校正具有 true 作為標籤的分數來計算的機率。 機率值的範圍為 [0， 1]。

定型器特性

機器學習工作	二元分類
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

定型演算法詳細資料

Stochastic Gradient Drop (SGD) 是其中一個熱門的隨機優化程式，可整合到數個機器學習工作中，以達到最先進的效能。 此定型器會針對支援多執行緒的二元分類實作 Hogwild Stochastic Gradient 下降，而不需要任何鎖定。 如果相關聯的優化問題很疏鬆，Hogwild 隨機梯度下降可達到接近最佳聚合率。 如需 Hogwild 隨機梯度下降的詳細資訊，請參閱 這裡。

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 ，表示不會使用權數來定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

屬性

Info	用於 IEstimator<TTransformer> 使用平行隨機漸層方法定型羅吉斯回歸的 。 定型的模型經過 校正 ，而且可以將線性函式的輸出值饋送至 PlattCalibrator ，以產生機率。 (繼承來源 SgdBinaryTrainerBase<TModel>)

方法

Fit(IDataView)	定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	使用已定 modelParameters 型的 SdcaLogisticRegressionBinaryTrainer 繼續訓練 ，並傳 Microsoft.ML.Data.BinaryPredictionTransformer 回 。 (繼承來源 SgdBinaryTrainerBase<TModel>)
GetOutputSchema(SchemaShape)	用於 IEstimator<TTransformer> 使用平行隨機漸層方法定型羅吉斯回歸的 。 定型的模型經過 校正 ，而且可以將線性函式的輸出值饋送至 PlattCalibrator ，以產生機率。 (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，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

• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
• SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
• SgdCalibratedTrainer.Options