ExperimentBase<TMetrics,TExperimentSettings>.Execute Metoda
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Przeciążenia
| Execute(IDataView, ColumnInformation, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>) |
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego. |
| Execute(IDataView, IDataView, ColumnInformation, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>) |
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego. |
| Execute(IDataView, IDataView, String, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>) |
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego. |
| Execute(IDataView, String, String, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>) |
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego. |
| Execute(IDataView, UInt32, ColumnInformation, IEstimator<ITransformer>, IProgress<CrossValidationRunDetail<TMetrics>>) |
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego. |
| Execute(IDataView, UInt32, String, String, IEstimator<ITransformer>, IProgress<CrossValidationRunDetail<TMetrics>>) |
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego. |
Execute(IDataView, ColumnInformation, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>)
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego.
public virtual Microsoft.ML.AutoML.ExperimentResult<TMetrics> Execute(Microsoft.ML.IDataView trainData, Microsoft.ML.AutoML.ColumnInformation columnInformation, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> preFeaturizer = default, IProgress<Microsoft.ML.AutoML.RunDetail<TMetrics>> progressHandler = default);abstract member Execute : Microsoft.ML.IDataView * Microsoft.ML.AutoML.ColumnInformation * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>
override this.Execute : Microsoft.ML.IDataView * Microsoft.ML.AutoML.ColumnInformation * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>Public Overridable Function Execute (trainData As IDataView, columnInformation As ColumnInformation, Optional preFeaturizer As IEstimator(Of ITransformer) = Nothing, Optional progressHandler As IProgress(Of RunDetail(Of TMetrics)) = Nothing) As ExperimentResult(Of TMetrics)Parametry
- trainData
- IDataView
Dane szkoleniowe, które mają być używane przez eksperyment rozwiązania AutoML.
- columnInformation
- ColumnInformation
Informacje o kolumnie dla zestawu danych.
- preFeaturizer
- IEstimator<ITransformer>
Pre-featurizer, który autoML będzie stosowany do danych podczas eksperymentu. (Pre-featurizer będzie pasował tylko do podziału danych treningowych w celu utworzenia wytrenowanego przekształcenia. Następnie wytrenowana transformacja zostanie zastosowana zarówno do podziału danych treningowych, jak i odpowiedniego podziału danych walidacji.
Obiekt zdefiniowany przez użytkownika, który implementuje IProgress<T> interfejs. Rozwiązanie AutoML wywoła metodę Report(T) po każdym utworzonym modelu w trakcie eksperymentu.
Zwraca
Wynik eksperymentu.
Uwagi
W zależności od rozmiaru danych wykonanie eksperymentu rozwiązania AutoML może zająć dużo czasu.
Dotyczy
Execute(IDataView, IDataView, ColumnInformation, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>)
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego.
public virtual Microsoft.ML.AutoML.ExperimentResult<TMetrics> Execute(Microsoft.ML.IDataView trainData, Microsoft.ML.IDataView validationData, Microsoft.ML.AutoML.ColumnInformation columnInformation, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> preFeaturizer = default, IProgress<Microsoft.ML.AutoML.RunDetail<TMetrics>> progressHandler = default);abstract member Execute : Microsoft.ML.IDataView * Microsoft.ML.IDataView * Microsoft.ML.AutoML.ColumnInformation * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>
override this.Execute : Microsoft.ML.IDataView * Microsoft.ML.IDataView * Microsoft.ML.AutoML.ColumnInformation * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>Public Overridable Function Execute (trainData As IDataView, validationData As IDataView, columnInformation As ColumnInformation, Optional preFeaturizer As IEstimator(Of ITransformer) = Nothing, Optional progressHandler As IProgress(Of RunDetail(Of TMetrics)) = Nothing) As ExperimentResult(Of TMetrics)Parametry
- trainData
- IDataView
Dane szkoleniowe, które mają być używane przez eksperyment rozwiązania AutoML.
- validationData
- IDataView
Dane weryfikacji, które mają być używane przez eksperyment rozwiązania AutoML.
- columnInformation
- ColumnInformation
Informacje o kolumnie dla zestawu danych.
- preFeaturizer
- IEstimator<ITransformer>
Pre-featurizer, który autoML będzie stosowany do danych podczas eksperymentu. (Pre-featurizer będzie pasował tylko do podziału danych treningowych w celu utworzenia wytrenowanego przekształcenia. Następnie wytrenowana transformacja zostanie zastosowana zarówno do podziału danych treningowych, jak i odpowiedniego podziału danych walidacji.
Obiekt zdefiniowany przez użytkownika, który implementuje IProgress<T> interfejs. Rozwiązanie AutoML wywoła metodę Report(T) po każdym utworzonym modelu w trakcie eksperymentu.
Zwraca
Wynik eksperymentu.
Uwagi
W zależności od rozmiaru danych wykonanie eksperymentu rozwiązania AutoML może zająć dużo czasu.
Dotyczy
Execute(IDataView, IDataView, String, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>)
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego.
public virtual Microsoft.ML.AutoML.ExperimentResult<TMetrics> Execute(Microsoft.ML.IDataView trainData, Microsoft.ML.IDataView validationData, string labelColumnName = "Label", Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> preFeaturizer = default, IProgress<Microsoft.ML.AutoML.RunDetail<TMetrics>> progressHandler = default);abstract member Execute : Microsoft.ML.IDataView * Microsoft.ML.IDataView * string * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>
override this.Execute : Microsoft.ML.IDataView * Microsoft.ML.IDataView * string * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>Public Overridable Function Execute (trainData As IDataView, validationData As IDataView, Optional labelColumnName As String = "Label", Optional preFeaturizer As IEstimator(Of ITransformer) = Nothing, Optional progressHandler As IProgress(Of RunDetail(Of TMetrics)) = Nothing) As ExperimentResult(Of TMetrics)Parametry
- trainData
- IDataView
Dane szkoleniowe, które mają być używane przez eksperyment rozwiązania AutoML.
- validationData
- IDataView
Dane weryfikacji, które mają być używane przez eksperyment rozwiązania AutoML.
- labelColumnName
- String
Nazwa kolumny etykiety.
- preFeaturizer
- IEstimator<ITransformer>
Pre-featurizer, który autoML będzie stosowany do danych podczas eksperymentu. (Pre-featurizer będzie pasował tylko do podziału danych treningowych w celu utworzenia wytrenowanego przekształcenia. Następnie wytrenowana transformacja zostanie zastosowana zarówno do podziału danych treningowych, jak i odpowiedniego podziału danych walidacji.
Obiekt zdefiniowany przez użytkownika, który implementuje IProgress<T> interfejs. Rozwiązanie AutoML wywoła metodę Report(T) po każdym utworzonym modelu w trakcie eksperymentu.
Zwraca
Wynik eksperymentu.
Uwagi
W zależności od rozmiaru danych wykonanie eksperymentu rozwiązania AutoML może zająć dużo czasu.
Dotyczy
Execute(IDataView, String, String, IEstimator<ITransformer>, IProgress<RunDetail<TMetrics>>)
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego.
public virtual Microsoft.ML.AutoML.ExperimentResult<TMetrics> Execute(Microsoft.ML.IDataView trainData, string labelColumnName = "Label", string samplingKeyColumn = default, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> preFeaturizer = default, IProgress<Microsoft.ML.AutoML.RunDetail<TMetrics>> progressHandler = default);abstract member Execute : Microsoft.ML.IDataView * string * string * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>
override this.Execute : Microsoft.ML.IDataView * string * string * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.RunDetail<'Metrics>> -> Microsoft.ML.AutoML.ExperimentResult<'Metrics (requires 'Metrics : null)>Public Overridable Function Execute (trainData As IDataView, Optional labelColumnName As String = "Label", Optional samplingKeyColumn As String = Nothing, Optional preFeaturizer As IEstimator(Of ITransformer) = Nothing, Optional progressHandler As IProgress(Of RunDetail(Of TMetrics)) = Nothing) As ExperimentResult(Of TMetrics)Parametry
- trainData
- IDataView
Dane szkoleniowe używane przez eksperyment rozwiązania AutoML.
- labelColumnName
- String
Kolumna zestawu danych używana jako etykieta.
- samplingKeyColumn
- String
Kolumna zestawu danych używana jako kolumna klucza próbkowania. Aby uzyskać więcej informacji, zobacz SamplingKeyColumnName.
- preFeaturizer
- IEstimator<ITransformer>
Pre-featurizer, który autoML będzie stosowany do danych podczas eksperymentu. (Pre-featurizer będzie pasował tylko do podziału danych treningowych w celu utworzenia wytrenowanego przekształcenia. Następnie wytrenowana transformacja zostanie zastosowana zarówno do podziału danych treningowych, jak i odpowiedniego podziału danych walidacji.
Obiekt zdefiniowany przez użytkownika, który implementuje IProgress<T> interfejs. Rozwiązanie AutoML wywoła metodę Report(T) po każdym utworzonym modelu w trakcie eksperymentu.
Zwraca
Wynik eksperymentu.
Uwagi
W zależności od rozmiaru danych wykonanie eksperymentu rozwiązania AutoML może zająć dużo czasu.
Dotyczy
Execute(IDataView, UInt32, ColumnInformation, IEstimator<ITransformer>, IProgress<CrossValidationRunDetail<TMetrics>>)
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego.
public virtual Microsoft.ML.AutoML.CrossValidationExperimentResult<TMetrics> Execute(Microsoft.ML.IDataView trainData, uint numberOfCVFolds, Microsoft.ML.AutoML.ColumnInformation columnInformation = default, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> preFeaturizer = default, IProgress<Microsoft.ML.AutoML.CrossValidationRunDetail<TMetrics>> progressHandler = default);abstract member Execute : Microsoft.ML.IDataView * uint32 * Microsoft.ML.AutoML.ColumnInformation * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.CrossValidationRunDetail<'Metrics>> -> Microsoft.ML.AutoML.CrossValidationExperimentResult<'Metrics (requires 'Metrics : null)>
override this.Execute : Microsoft.ML.IDataView * uint32 * Microsoft.ML.AutoML.ColumnInformation * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.CrossValidationRunDetail<'Metrics>> -> Microsoft.ML.AutoML.CrossValidationExperimentResult<'Metrics (requires 'Metrics : null)>Public Overridable Function Execute (trainData As IDataView, numberOfCVFolds As UInteger, Optional columnInformation As ColumnInformation = Nothing, Optional preFeaturizer As IEstimator(Of ITransformer) = Nothing, Optional progressHandler As IProgress(Of CrossValidationRunDetail(Of TMetrics)) = Nothing) As CrossValidationExperimentResult(Of TMetrics)Parametry
- trainData
- IDataView
Dane szkoleniowe, które mają być używane przez eksperyment rozwiązania AutoML.
- numberOfCVFolds
- UInt32
Liczba krotności krzyżowej weryfikacji, w których dane treningowe powinny być podzielone podczas dopasowywania modelu.
- columnInformation
- ColumnInformation
Informacje o kolumnie dla zestawu danych.
- preFeaturizer
- IEstimator<ITransformer>
Pre-featurizer, który autoML będzie stosowany do danych podczas eksperymentu. (Pre-featurizer będzie pasował tylko do podziału danych treningowych w celu utworzenia wytrenowanego przekształcenia. Następnie wytrenowana transformacja zostanie zastosowana zarówno do podziału danych treningowych, jak i odpowiedniego podziału danych walidacji.
- progressHandler
- IProgress<CrossValidationRunDetail<TMetrics>>
Obiekt zdefiniowany przez użytkownika, który implementuje IProgress<T> interfejs. Rozwiązanie AutoML wywoła metodę Report(T) po każdym utworzonym modelu w trakcie eksperymentu.
Zwraca
Wynik eksperymentu krzyżowego walidacji.
Uwagi
W zależności od rozmiaru danych wykonanie eksperymentu rozwiązania AutoML może zająć dużo czasu.
Dotyczy
Execute(IDataView, UInt32, String, String, IEstimator<ITransformer>, IProgress<CrossValidationRunDetail<TMetrics>>)
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
- Źródło:
- ExperimentBase.cs
Wykonuje eksperyment zautomatyzowanego uczenia maszynowego.
public virtual Microsoft.ML.AutoML.CrossValidationExperimentResult<TMetrics> Execute(Microsoft.ML.IDataView trainData, uint numberOfCVFolds, string labelColumnName = "Label", string samplingKeyColumn = default, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> preFeaturizer = default, IProgress<Microsoft.ML.AutoML.CrossValidationRunDetail<TMetrics>> progressHandler = default);abstract member Execute : Microsoft.ML.IDataView * uint32 * string * string * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.CrossValidationRunDetail<'Metrics>> -> Microsoft.ML.AutoML.CrossValidationExperimentResult<'Metrics (requires 'Metrics : null)>
override this.Execute : Microsoft.ML.IDataView * uint32 * string * string * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * IProgress<Microsoft.ML.AutoML.CrossValidationRunDetail<'Metrics>> -> Microsoft.ML.AutoML.CrossValidationExperimentResult<'Metrics (requires 'Metrics : null)>Public Overridable Function Execute (trainData As IDataView, numberOfCVFolds As UInteger, Optional labelColumnName As String = "Label", Optional samplingKeyColumn As String = Nothing, Optional preFeaturizer As IEstimator(Of ITransformer) = Nothing, Optional progressHandler As IProgress(Of CrossValidationRunDetail(Of TMetrics)) = Nothing) As CrossValidationExperimentResult(Of TMetrics)Parametry
- trainData
- IDataView
Dane szkoleniowe, które mają być używane przez eksperyment rozwiązania AutoML.
- numberOfCVFolds
- UInt32
Liczba krotności krzyżowej weryfikacji, w których dane treningowe powinny być podzielone podczas dopasowywania modelu.
- labelColumnName
- String
Nazwa kolumny etykiety.
- samplingKeyColumn
- String
Nazwa kolumny klucza próbkowania.
- preFeaturizer
- IEstimator<ITransformer>
Pre-featurizer, który autoML będzie stosowany do danych podczas eksperymentu. (Pre-featurizer będzie pasował tylko do podziału danych treningowych w celu utworzenia wytrenowanego przekształcenia. Następnie wytrenowana transformacja zostanie zastosowana zarówno do podziału danych treningowych, jak i odpowiedniego podziału danych walidacji.
- progressHandler
- IProgress<CrossValidationRunDetail<TMetrics>>
Obiekt zdefiniowany przez użytkownika, który implementuje IProgress<T> interfejs. Rozwiązanie AutoML wywoła metodę Report(T) po każdym utworzonym modelu w trakcie eksperymentu.
Zwraca
Wynik eksperymentu krzyżowego walidacji.
Uwagi
W zależności od rozmiaru danych wykonanie eksperymentu rozwiązania AutoML może zająć dużo czasu.