RandomizedPcaTrainer Sınıf
Tanım
Önemli
Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.
IEstimator<TTransformer> Rastgele SVD algoritması kullanarak yaklaşık bir PCA eğitimi için.
public sealed class RandomizedPcaTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.AnomalyPredictionTransformer<Microsoft.ML.Trainers.PcaModelParameters>,Microsoft.ML.Trainers.PcaModelParameters>type RandomizedPcaTrainer = class
inherit TrainerEstimatorBase<AnomalyPredictionTransformer<PcaModelParameters>, PcaModelParameters>Public NotInheritable Class RandomizedPcaTrainer
Inherits TrainerEstimatorBase(Of AnomalyPredictionTransformer(Of PcaModelParameters), PcaModelParameters)- Devralma
-
RandomizedPcaTrainer
Açıklamalar
Bu eğitmeni oluşturmak için RandomizedPca veya RandomizedPca(Seçenekler) kullanın.
Giriş ve Çıkış Sütunları
Giriş özellikleri sütun verileri bilinen boyutlu bir vektör Singleolmalıdır. Bu eğitmen aşağıdaki sütunları oluşturur:
| Çıkış Sütunu Adı | Sütun Türü | Description |
|---|---|---|
Score |
Single | Anomali algılama modeli tarafından hesaplanan negatif olmayan, ilişkisiz puan. |
PredictedLabel |
Boolean | Eşiğe göre tahmin edilen etiket. Eşik değerinden yüksek bir puan ve eşik true ile eşlenden falsedaha düşük bir puan. Varsayılan eşik değeridir 0.5. Varsayılan değeri değiştirmek için kullanın <xref:AnomalyDetectionCatalog.ChangeModelThreshold> . |
Eğitmen Özellikleri
| Makine öğrenmesi görevi | Anomali Algılama |
| Normalleştirme gerekli mi? | Yes |
| Önbelleğe alma gerekli mi? | No |
| Microsoft.ML ek olarak gerekli NuGet | Hiçbiri |
| ONNX'e aktarılabilir | No |
Eğitim Algoritması Ayrıntıları
Bu eğitmen, normal sınıfı içeren alt alanı yaklaşık olarak ayarlamak için en üst düzey öjektörleri kullanır. Her yeni örnek için ham özellik vektör ile bu alt alan üzerindeki öngörülen özellik arasındaki norm farkını hesaplar. Hata 0'a yakınsa örnek normal (anomali olmayan) olarak kabul edilir.
Daha spesifik olarak bu eğitmen, satırları giriş vektörleri olan matrisin tekil değer ayrıştırmasını (SVD) hesaplamaya yönelik rastgele bir yöntem kullanarak yaklaşık bir PCA eğitir. Bu eğitmen tarafından oluşturulan model üç parametre içerir:
- Projeksiyon matrisi $U$
- Özgün özellik alanında ortalama vektör $m$
- Öngörülen özellik alanında ortalama vektör $p$
Giriş özelliği vektör $x$ için anomali puanı, özgün giriş vektörünün $L_2$ normu ve öngörülen vektörünün $L_2$ normu karşılaştırılarak hesaplanır: $\sqrt{\left(|x-m|_2^2 - | Ux-p|_2^2\right)|x-m|_2^2}$.
yöntemi burada açıklanmıştır.
Algoritmanın, verileri eğitmene geçirmeden önce veriye uygulanarak ApproximatedKernelTransformer Çekirdek PCA'ya dönüştürülebileceğini unutmayın.
Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.
Alanlar
| FeatureColumn |
Eğitmenin beklediği özellik sütunu. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
Eğitmenin beklediği etiket sütunu. etiketin eğitim için kullanılmadığını gösteren olabilir |
| WeightColumn |
Eğitmenin beklediği ağırlık sütunu. olabilir |
Özellikler
| Info |
IEstimator<TTransformer> Rastgele SVD algoritması kullanarak yaklaşık bir PCA eğitimi için. |
Yöntemler
| Fit(IDataView) |
Bir ITransformereğiter ve döndürür. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> Rastgele SVD algoritması kullanarak yaklaşık bir PCA eğitimi için. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
Uzantı Metotları
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tahmin aracı zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçişi alan eğitmenlerden önce bir önbelleğe alma denetim noktası olması yararlıdır. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Tahmin aracı verildiğinde, çağrıldıktan sonra Fit(IDataView) temsilci çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir. Bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesneye sahip işlem hatları halinde oluşturulur, bu nedenle transformatör almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz. |