LightGbmRankingTrainer 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 classificazione degli alberi delle decisioni con LightGBM.
public sealed class LightGbmRankingTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmRankingTrainer.Options,float,Microsoft.ML.Data.RankingPredictionTransformer<Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>,Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>type LightGbmRankingTrainer = class
inherit LightGbmTrainerBase<LightGbmRankingTrainer.Options, single, RankingPredictionTransformer<LightGbmRankingModelParameters>, LightGbmRankingModelParameters>Public NotInheritable Class LightGbmRankingTrainer
Inherits LightGbmTrainerBase(Of LightGbmRankingTrainer.Options, Single, RankingPredictionTransformer(Of LightGbmRankingModelParameters), LightGbmRankingModelParameters)- Ereditarietà
Commenti
Per creare questo trainer, usare LightGbm o LightGbm(Options).
Colonne di input e output
Il tipo di dati dell'etichetta di input deve essere key o Single. Il valore dell'etichetta determina la pertinenza, dove valori più alti indicano maggior pertinenza. Se l'etichetta è un tipo key, l'indice di chiave è il valore di pertinenza, dove l'indice più basso è il meno pertinente. Se l'etichetta è un tipo Single, valori più alti indicano maggior pertinenza. La colonna di funzionalità deve essere un vettore di dimensioni note di e la colonna del gruppo di righe di Single input deve essere di tipo chiave .
Questo formatore restituisce le colonne seguenti:
| Nome colonna di output | Tipo di colonna | Descrizione |
|---|---|---|
Score |
Single | Punteggio non associato calcolato dal modello per determinare la stima. |
Caratteristiche del trainer
| Attività di Machine Learning | Classificazione |
| È necessaria la normalizzazione? | No |
| È necessaria la memorizzazione nella cache? | No |
| NuGet richiesto oltre a Microsoft.ML | Microsoft.ML.LightGbm |
| Esportabile in ONNX | No |
Dettagli dell'algoritmo di training
LightGBM è un'implementazione open source dell'albero delle decisioni di aumento della sfumatura. Per informazioni dettagliate sull'implementazione, vedere la documentazione ufficiale di LightGBM o questo documento.
Controllare la sezione Vedere anche per i collegamenti ad esempi dell'utilizzo.
Campi
| FeatureColumn |
Colonna di funzionalità prevista dal trainer. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
Colonna groupID facoltativa prevista dal formatore di classificazione. (Ereditato da TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
Colonna etichetta prevista dal trainer. Può essere |
| WeightColumn |
Colonna di peso prevista dal trainer. Può essere |
Proprietà
| Info |
Oggetto IEstimator<TTransformer> per il training di un modello di classificazione degli alberi delle decisioni con LightGBM. (Ereditato da LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>) |
Metodi
| Fit(IDataView, IDataView) |
Esegue il training di un oggetto LightGbmRankingTrainer usando i dati di training e di convalida, restituisce un RankingPredictionTransformer<TModel>oggetto . |
| Fit(IDataView) |
Esegue il training e restituisce un ITransformeroggetto . (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Oggetto IEstimator<TTransformer> per il training di un modello di classificazione degli alberi delle decisioni con LightGBM. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>) |
Metodi di estensione
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. Ciò garantisce che gli estimatori downstream vengano sottoposti a training sui dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima dei training che accettano più passaggi di dati. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dato un stimatore, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. Spesso è importante che un stimatore restituisca informazioni su ciò che è stato adatto, che è il 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> sono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di stima tramite EstimatorChain<TLastTransformer> dove lo stimatore per cui si vuole ottenere il trasformatore è sepolto da qualche parte in questa catena. Per questo scenario, è possibile collegare questo metodo a un delegato che verrà chiamato una volta chiamato fit. |