Documentation
¶
Index ¶
- type FrapEvaluator
- type OnlineEvaluator
- type 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
Constants ¶
This section is empty.
Variables ¶
This section is empty.
Functions ¶
This section is empty.
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) 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 }
Source Files
¶
Click to show internal directories.
Click to hide internal directories.