GamRegressionTrainer Classe
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.
Oggetto IEstimator<TTransformer> per il training di un modello di regressione con modelli additivi generalizzati (GAM).
public sealed class GamRegressionTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>,Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>type GamRegressionTrainer = class
inherit GamTrainerBase<GamRegressionTrainer.Options, RegressionPredictionTransformer<GamRegressionModelParameters>, GamRegressionModelParameters>Public NotInheritable Class GamRegressionTrainer
Inherits GamTrainerBase(Of GamRegressionTrainer.Options, RegressionPredictionTransformer(Of GamRegressionModelParameters), GamRegressionModelParameters)- Ereditarietà
-
TrainerEstimatorBase<TTransformer,TPredictor>GamTrainerBase<GamRegressionTrainer.Options,RegressionPredictionTransformer<GamRegressionModelParameters>,GamRegressionModelParameters>GamRegressionTrainer
Commenti
Per creare questo formatore, usare Gam o Gam (Options).To create this trainer, use Gam or Gam(Options).
Colonne di input e output
I dati della colonna dell'etichetta di input devono essere Single. Le caratteristiche di input dei dati della colonna devono essere un vettore di dimensioni note di Single.
Questo formatore restituisce le colonne seguenti:
| Nome della colonna di output | Tipo di colonna | Descrizione |
|---|---|---|
Score |
Single | Punteggio non associato stimato dal modello. |
Caratteristiche del trainer
| Attività di Machine Learning | Regression |
| La normalizzazione è necessaria? | No |
| La memorizzazione nella cache è necessaria? | No |
| NuGet necessario oltre a Microsoft.ML | Microsoft.ML.FastTree |
| Esportabile in ONNX | No |
Dettagli algoritmo di training
Modelli additivi generalizzati o GAM modellano i dati come set di funzionalità linearmente indipendenti in modo simile a un modello lineare. Per ogni funzionalità, il formatore GAM apprende una funzione non lineare, denominata "funzione shape", che calcola la risposta come funzione del valore della funzionalità. Al contrario, un modello lineare adatta una risposta lineare (ad esempio una linea) a ogni funzionalità. Per assegnare un punteggio a un input, gli output di tutte le funzioni della forma vengono sommati e il punteggio è il valore totale.
Questo formatore GAM viene implementato usando alberi con boosting a gradienti superficiali (ad esempio gli stub ad albero) per apprendere le funzioni di forma nonparametrica ed è basato sul metodo descritto in Lou, Caruana e Gehrke. "Modelli intelligibili per classificazione e regressione". KDD'12, Pechino, Cina. 2012. Dopo il training, viene aggiunta un'intercetta per rappresentare la stima media del set di training e le funzioni della forma vengono normalizzate per rappresentare la deviazione dalla stima media. In questo modo si ottengono modelli che vengono facilmente interpretati esaminando l'intercetta e le funzioni della forma. Vedere l'esempio seguente per un esempio di come eseguire il training di un modello GAM ed esaminare e interpretare i risultati.
Vedere anche la sezione Vedere anche per i collegamenti ad esempi di utilizzo.
Campi
| Nome | Descrizione |
|---|---|
| FeatureColumn |
Colonna di funzionalità prevista dal formatore. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
Colonna etichetta prevista dal formatore. Può essere |
| WeightColumn |
Colonna di peso prevista dal formatore. Può essere |
Proprietà
| Nome | Descrizione |
|---|---|
| Info |
Oggetto IEstimator<TTransformer> per il training di un modello di regressione con modelli additivi generalizzati (GAM). (Ereditato da GamTrainerBase<TOptions,TTransformer,TPredictor>) |
Metodi
| Nome | Descrizione |
|---|---|
| Fit(IDataView, IDataView) |
Esegue il training di un GamRegressionTrainer oggetto usando sia i dati di training che di convalida, restituisce un oggetto RegressionPredictionTransformer<TModel>. |
| Fit(IDataView) |
Esegue il training e restituisce un oggetto ITransformer. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Oggetto IEstimator<TTransformer> per il training di un modello di regressione con modelli additivi generalizzati (GAM). (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
Metodi di estensione
| Nome | Descrizione |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. In questo modo si garantisce che gli estimatori downstream vengano sottoposti a training su dati memorizzati nella cache. È utile disporre di un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dato uno strumento di stima, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sulle dimensioni, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit. |