online

Documentation

Index

• type FrapEvaluator
  • func (e *FrapEvaluator) Evaluate(actual, prediction data.InstanceOutput)
  • func (e *FrapEvaluator) Init(size int)
  • func (e *FrapEvaluator) Report() eval.Evaluation
• type OnlineEvaluator
• type OnlineSGDClassifier
  • func NewOnlineSGDClassifier(options OnlineSGDClassifierOptions) *OnlineSGDClassifier
  • func (classifier *OnlineSGDClassifier) Evaluate() eval.Evaluation
  • func (classifier *OnlineSGDClassifier) LoadWeightsFromFile(path string)
  • func (classifier *OnlineSGDClassifier) Predict(instance *data.Instance) data.InstanceOutput
  • func (classifier *OnlineSGDClassifier) TrainOnOneInstance(instance *data.Instance)
  • func (classifier *OnlineSGDClassifier) Write(path string)
• type OnlineSGDClassifierOptions

Types

type FrapEvaluator

type FrapEvaluator struct {
	// contains filtered or unexported fields
}

F1、召回率（recall）、准确率（accuracy）、精度（precision）评价器 注意，前三个metric仅当问题是二分类问题时才有意义。如果是多分类， 返回的前三个metric为class-0-vs-rest意义下的值。

func (*FrapEvaluator) Evaluate

func (e *FrapEvaluator) Evaluate(actual, prediction data.InstanceOutput)

添加一个评价样本，用实际标注（actual）来衡量预测标注（prediction）的好坏

func (*FrapEvaluator) Init

func (e *FrapEvaluator) Init(size int)

初始化 评价最多最近size个样本的metric

func (*FrapEvaluator) Report

func (e *FrapEvaluator) Report() eval.Evaluation

返回最近size个（在Init中指定）样本的评价指标

type OnlineEvaluator

type OnlineEvaluator interface {
	// 初始化并设置循环缓冲区的大小
	// 注意这会清除所有缓存的结果
	Init(size int)

	// 评价一条样本
	Evaluate(actual, prediction data.InstanceOutput)

	// 汇报评价结果
	Report() eval.Evaluation
}

在线评价器接口

在线评价器内置循环缓冲区，假设缓冲区大小为N，当缓冲区满时，新数据 将从第一个（最老）的数据开始覆盖，这保证了我们总是评价最近N个数据样本。

type OnlineSGDClassifier

type OnlineSGDClassifier struct {
	// contains filtered or unexported fields
}

在线梯度递降分类训练器 请使用NewOnlineSGDClassifier函数创建新的训练器

func NewOnlineSGDClassifier

func NewOnlineSGDClassifier(options OnlineSGDClassifierOptions) *OnlineSGDClassifier

从options中创建训练器

func (*OnlineSGDClassifier) Evaluate

func (classifier *OnlineSGDClassifier) Evaluate() eval.Evaluation

评价目前为止训练好的模型，得到评价metric

func (*OnlineSGDClassifier) LoadWeightsFromFile

func (classifier *OnlineSGDClassifier) LoadWeightsFromFile(path string)

func (*OnlineSGDClassifier) Predict

func (classifier *OnlineSGDClassifier) Predict(instance *data.Instance) data.InstanceOutput

使用当前训练出的模型对一个样本的输出进行预测

func (*OnlineSGDClassifier) TrainOnOneInstance

func (classifier *OnlineSGDClassifier) TrainOnOneInstance(instance *data.Instance)

读入一个训练样本

func (*OnlineSGDClassifier) Write

func (classifier *OnlineSGDClassifier) Write(path string)

type OnlineSGDClassifierOptions

type OnlineSGDClassifierOptions struct {
	// 分类数目
	NumLabels int

	// 每接收多少个样本进行一次参数更新，当值为0时（默认）设为1
	BatchSize int

	// 优化器选项
	Optimizer optimizer.OptimizerOptions

	// 对最近的多少个样本进行模型评估
	NumInstancesForEvaluation int
}