MLContext(Nullable<Int32>) Costruttore
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Creare il contesto di Machine Learning.
public MLContext(int? seed = default);
new Microsoft.ML.MLContext : Nullable<int> -> Microsoft.ML.MLContext
Public Sub New (Optional seed As Nullable(Of Integer) = Nothing)
Parametri
Valore di inizializzazione per il generatore di numeri casuali di MLContext. Per altri dettagli, vedere le osservazioni.
Commenti
Molte operazioni in ML.NET richiedono casualità, ad esempio la casualità dei dati casuali, il campionamento casuale, l'inizializzazione casuale dei parametri, la permutazione casuale, la selezione di funzionalità casuali e molti altri ancora. Il generatore di numeri casuali di MLContext è l'origine globale della casualità per tutte queste operazioni casuali.
Se viene fornito un valore di inizializzazione fisso da seed, l'ambiente MLContext diventa deterministico, ovvero i risultati sono ripetibili e rimarranno uguali tra più esecuzioni. Ad esempio, in molti frammenti di codice di esempio di riferimento api di ML.NET, viene fornito un valore di inizializzazione. Questo perché si vuole che gli utenti ottengano lo stesso output di quello incluso nei commenti di esempio, quando eseguono l'esempio nel proprio computer.
In genere, tuttavia, la ripetibilità non è un requisito e questo è il comportamento predefinito. Se un valore di inizializzazione non viene fornito da seed, ovvero è impostato su null, l'ambiente MLContext diventa non deterministico e gli output cambiano in più esecuzioni.
Esistono molte operazioni in ML.NET che non usano alcuna casualità, ad esempio la normalizzazione min-max, la concatenazione delle colonne e l'indicazione del valore mancante. Il comportamento di tali operazioni è deterministico indipendentemente dal valore di inizializzazione.
Inoltre ML.NET i formatori non usano casualità *dopo* il training è terminato. Le stime di un modello caricato non dipendono quindi dal valore di inizializzazione.