LightGbmBinaryTrainer Třída

Definice

Pro IEstimator<TTransformer> trénování posíleného modelu binární klasifikace rozhodovacího stromu pomocí LightGBM.

public sealed class LightGbmBinaryTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmBinaryTrainer.Options,float,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LightGbm.LightGbmBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LightGbm.LightGbmBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>
type LightGbmBinaryTrainer = class
    inherit LightGbmTrainerBase<LightGbmBinaryTrainer.Options, single, BinaryPredictionTransformer<CalibratedModelParametersBase<LightGbmBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LightGbmBinaryModelParameters, PlattCalibrator>>
Public NotInheritable Class LightGbmBinaryTrainer
Inherits LightGbmTrainerBase(Of LightGbmBinaryTrainer.Options, Single, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LightGbmBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LightGbmBinaryModelParameters, PlattCalibrator))
Dědičnost

Poznámky

K vytvoření tohoto trenéra použijte LightGbm nebo LightGbm(Options).

Vstupní a výstupní sloupce

Vstupní data sloupce popisku musí být Boolean. Vstupní funkce sloupcová data musí být vektorem známé velikosti Single.

Tento trenér vypíše následující sloupce:

Název výstupního sloupce Typ sloupce Description
Score Single Nevázané skóre, které model vypočítal.
PredictedLabel Boolean Predikovaný popisek na základě znaménka skóre. Záporná skóre mapuje na false a kladná skóre se mapuje na true.
Probability Single Pravděpodobnost vypočítaná kalibrací skóre hodnoty true jako popisku. Hodnota pravděpodobnosti je v rozsahu [0, 1].

Charakteristiky trenéra

Úloha strojového učení Binární klasifikace
Vyžaduje se normalizace? No
Vyžaduje se ukládání do mezipaměti? No
Požadovaný NuGet kromě Microsoft.ML Microsoft.ML.LightGbm
Exportovatelné do ONNX Yes

Podrobnosti trénovacího algoritmu

LightGBM je open source implementace rozhodovacího stromu podporujícího přechod. Podrobnosti o implementaci najdete v oficiální dokumentaci k LightGBM nebo v tomto dokumentu.

V části Viz také najdete odkazy na příklady použití.

Pole

FeatureColumn

Sloupec funkcí, který trenér očekává.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn

Volitelný sloupec groupID, který očekává trenér hodnocení.

(Zděděno od TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn

Sloupec popisku, který trenér očekává. Může to být null, což označuje, že popisek se nepoužívá pro trénování.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn

Sloupec hmotnosti, který trenér očekává. Může to být null, což značí, že váha se nepoužívá pro trénování.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Vlastnosti

Info

Pro IEstimator<TTransformer> trénování posíleného modelu binární klasifikace rozhodovacího stromu pomocí LightGBM.

(Zděděno od LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>)

Metody

Fit(IDataView, IDataView)

Trénuje LightGbmBinaryTrainer pomocí trénovacích i ověřovacích dat, vrátí BinaryPredictionTransformer<TModel>hodnotu .

Fit(IDataView)

Vlaky a vrací hodnotu ITransformer.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)

Pro IEstimator<TTransformer> trénování posíleného modelu binární klasifikace rozhodovacího stromu pomocí LightGBM.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci estimátoru kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby podřízené estimátory byly vytrénovány proti datům uloženým v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Vzhledem k estimátoru vraťte zalamovací objekt, který zavolá delegáta jednou Fit(IDataView) . Často je důležité, aby odhadovač vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně typ objekt, nikoli jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec estimátorů, kde EstimatorChain<TLastTransformer> je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, zakopán někde v tomto řetězci. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit.

Platí pro

Viz také