SymbolicSgdLogisticRegressionBinaryTrainer 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 stimare una destinazione usando un modello di classificazione binaria lineare sottoposto a training con la discesa simbolica del gradiente stocastico.
public sealed class SymbolicSgdLogisticRegressionBinaryTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>type SymbolicSgdLogisticRegressionBinaryTrainer = class
inherit TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>Public NotInheritable Class SymbolicSgdLogisticRegressionBinaryTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator))- Ereditarietà
-
TrainerEstimatorBase<BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>,CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>SymbolicSgdLogisticRegressionBinaryTrainer
Commenti
Per creare questo formatore, usare SymbolicStochasticGradientDescent o SymbolicStochasticGradientDescent(Options).
Colonne di input e output
I dati della colonna dell'etichetta di input devono essere Boolean. 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 calcolato dal modello. | |
PredictedLabel |
Boolean | Etichetta prevista, in base al segno del punteggio. Un punteggio negativo corrisponde a false e un punteggio positivo corrisponde a true. |
|
Probability |
Single | Probabilità calcolata calibrando il punteggio di avere true come etichetta. Il valore di probabilità è compreso nell'intervallo [0, 1]. |
Caratteristiche del trainer
| Attività di Machine Learning | Classificazione binaria |
| La normalizzazione è necessaria? | Yes |
| La memorizzazione nella cache è necessaria? | No |
| NuGet necessario oltre a Microsoft.ML | Microsoft.ML.Mkl.Components |
| Esportabile in ONNX | Yes |
Dettagli algoritmo di training
La discesa simbolica del gradiente stocastico è un algoritmo che effettua le stime trovando un iperpiano separato. Ad esempio, con valori di funzionalità $f 0, f1,..., f_{D-1}$, la stima viene data determinando il lato dell'iperpiano in cui rientra il punto. Corrisponde al segno della somma ponderata della caratteristica, ad esempio $\sum_{i = 0}^{D-1} (w_i * f_i) + b$, dove $w_0, w_1,..., w_{D-1}$ sono i pesi calcolati dall'algoritmo e $b$ è la distorsione calcolata dall'algoritmo.
Anche se la maggior parte degli algoritmi di discesa stocastica simbolica è intrinsecamente sequenziale, in ogni passaggio l'elaborazione dell'esempio corrente dipende dai parametri appresi dagli esempi precedenti. Questo algoritmo esegue il training di modelli locali in thread separati e nel cobminer del modello probabilistico che consente di combinare i modelli locali per produrre lo stesso risultato di una discesa simbolica simbolica sequenziale del gradiente, in previsione.
Per altre informazioni, vedere Parallel Stochastic Gradient Descent with Sound Combiners .For more information see Parallel Stochastic Gradient Descent with Sound Combiners.
Vedere anche la sezione Vedere anche i collegamenti agli 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 stimare una destinazione usando un modello di classificazione binaria lineare sottoposto a training con la discesa simbolica del gradiente stocastico. |
Metodi
| Nome | Descrizione |
|---|---|
| Fit(IDataView, LinearModelParameters) |
Continua il training dell'uso di SymbolicSgdLogisticRegressionBinaryTrainer un oggetto già sottoposto a |
| Fit(IDataView) |
Esegue il training e restituisce un oggetto ITransformer. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Oggetto IEstimator<TTransformer> per stimare una destinazione usando un modello di classificazione binaria lineare sottoposto a training con la discesa simbolica del gradiente stocastico. (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. |
Si applica a
Vedi anche
- SymbolicSgdLogisticRegressionBinaryTrainer.Options
- SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
- SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)