SdcaNonCalibratedMulticlassTrainer 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> Doğrusal çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etme. Eğitilen model LinearMulticlassModelParameters sınıfların olasılıklarını üretir.
public sealed class SdcaNonCalibratedMulticlassTrainer : Microsoft.ML.Trainers.SdcaMulticlassTrainerBase<Microsoft.ML.Trainers.LinearMulticlassModelParameters>type SdcaNonCalibratedMulticlassTrainer = class
inherit SdcaMulticlassTrainerBase<LinearMulticlassModelParameters>Public NotInheritable Class SdcaNonCalibratedMulticlassTrainer
Inherits SdcaMulticlassTrainerBase(Of LinearMulticlassModelParameters)- Devralma
-
SdcaTrainerBase<SdcaMulticlassTrainerBase<TModel>.MulticlassOptions,MulticlassPredictionTransformer<TModel>,TModel>SdcaNonCalibratedMulticlassTrainer
Açıklamalar
Bu eğitmeni oluşturmak için SdcaMaximumEntropy veya SdcaMaximumEntropy(Seçenekler) kullanın.
Giriş ve Çıkış Sütunları
Giriş etiketi sütun verileri anahtar türü olmalı ve özellik sütunu bilinen boyutlu bir vektör Singleolmalıdır.
Bu eğitmen aşağıdaki sütunları oluşturur:
| Çıkış Sütunu Adı | Sütun Türü | Description |
|---|---|---|
Score |
Vektör Single | Tüm sınıfların puanları. Daha yüksek değer, ilişkili sınıfa düşme olasılığının yüksek olduğu anlamına gelir. i-th öğesi en büyük değere sahipse, tahmin edilen etiket dizini i olur. Sıfır tabanlı dizin olduğunu unutmayın. |
PredictedLabel |
anahtar türü | Tahmin edilen etiketin dizini. Değeri i ise, gerçek etiket anahtar değerli giriş etiketi türündeki i. kategori olacaktır. |
Eğitmen Özellikleri
| Makine öğrenmesi görevi | Çok sınıflı sınıflandırma |
| Normalleştirme gerekli mi? | Yes |
| Önbelleğe alma gerekli mi? | No |
| Microsoft.ML ek olarak gerekli NuGet | Hiçbiri |
| ONNX'e aktarılabilir | Yes |
Puanlama İşlevi
Bu, çok sınıflı sınıflandırma sorunlarını çözmek için doğrusal bir model eğiter. Sınıf sayısının $m$ ve özellik sayısının $n$ olduğunu varsayalım. $c$-th sınıfına {\mathbb R}^n$ içinde $\textbf{w}_c \katsayı vektöru ve {\mathbb R}$ içinde bir sapma $b_c \in $c=1,\dots,m$ atar. {\mathbb R}^n$ içindeki $\textbf{x} \özellik vektöründe $c$-th sınıfının puanı $\hat{y}^c = \textbf{w}_c^T \textbf{x} + b_c$ olur. Çıkış puanı sütunundaki $c$-th değerinin yalnızca $\hat{y}^c$ olduğunu unutmayın.
Eğitim Algoritması Ayrıntıları
SdcaMulticlassTrainerBase belgelerine bakın.
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> Doğrusal çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etme. Eğitilen model LinearMulticlassModelParameters sınıfların olasılıklarını üretir. (Devralındığı yer: StochasticTrainerBase<TTransformer,TModel>) |
Yöntemler
| Fit(IDataView) |
Bir ITransformereğiter ve döndürür. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> Doğrusal çok sınıflı sınıflandırıcı kullanarak hedefi tahmin etme. Eğitilen model LinearMulticlassModelParameters sınıfların olasılıklarını üretir. (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. |
Şunlara uygulanır
Ayrıca bkz.
- SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
- SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
- SdcaNonCalibratedMulticlassTrainer.Options