|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
Vytvořte si AveragedPerceptronTrainer s pokročilými možnostmi, které předpovídají cíl pomocí modelu lineární binární klasifikace natrénovaného na základě dat logických popisků.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
Vytvořte objekt AveragedPerceptronTrainer, který predikuje cíl pomocí modelu lineární binární klasifikace natrénovaného na data logických popisků.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
Vytvořte FastForestBinaryTrainer s pokročilými možnostmi, které předpoví cíl pomocí regresního modelu rozhodovacího stromu.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
Vytvořit FastForestBinaryTrainer, který predikuje cíl pomocí regresního modelu rozhodovacího stromu.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
Vytvořte FastTreeBinaryTrainer s pokročilými možnostmi, které předpovídají cíl pomocí modelu binární klasifikace rozhodovacího stromu.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Vytvořit FastTreeBinaryTrainer, který predikuje cíl pomocí modelu binární klasifikace rozhodovacího stromu.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)
|
Vytvořte FieldAwareFactorizationMachineTrainer pomocí rozšířených možností, které předpovídají cíl pomocí počítače s faktorizací pracujícího s poli natrénovanými na základě logických dat popisků.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)
|
Vytvořte FieldAwareFactorizationMachineTrainer, který předpovídá cíl pomocí počítače pro faktorizaci pracujícího s poli natrénovanými na data logických popisků.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)
|
Vytvořte FieldAwareFactorizationMachineTrainer, který předpovídá cíl pomocí počítače pro faktorizaci pracujícího s poli natrénovanými na data logických popisků.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
Vytvoření GamBinaryTrainer pomocí pokročilých možností, které předpovídá cíl pomocí generalizovaných doplňkových modelů (GAM).
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
Vytvoření GamBinaryTrainer, který předpovídá cíl pomocí generalizovaných doplňkových modelů (GAM).
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
Vytvořte LbfgsLogisticRegressionBinaryTrainer s pokročilými možnostmi, které predikují cíl pomocí modelu lineární binární klasifikace natrénovaného na data logických popisků.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Vytvoření LbfgsLogisticRegressionBinaryTrainer, který predikuje cíl pomocí lineárního binárního klasifikačního modelu natrénovaného na základě logických dat popisků.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
Vytvářejte LdSvmTrainer s pokročilými možnostmi, které predikují cíl pomocí místního modelu DEEP SVM.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
Vytvořit LdSvmTrainer, který predikuje cíl pomocí místního hlubokého modelu SVM.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)
|
Vytvořte LightGbmBinaryTrainer s pokročilými možnostmi, které predikují cíl pomocí přechodové zvýšení binární klasifikace rozhodovacího stromu.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)
|
Vytvořte LightGbmBinaryTrainer z předem natrénovaného modelu LightGBM, který předpovídá cíl pomocí přechodové zvýšení binární klasifikace rozhodovacího stromu.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
Vytvořit LightGbmBinaryTrainer, který predikuje cíl pomocí přechodové zvýšení binární klasifikace rozhodovacího stromu.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
Vytvořte LinearSvmTrainer s pokročilými možnostmi, které predikují cíl pomocí modelu lineární binární klasifikace natrénovaného na data logických popisků.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
Vytvoření LinearSvmTrainer, který predikuje cíl pomocí lineárního binárního klasifikačního modelu natrénovaného na základě logických dat popisků.
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
Vytvořit PriorTrainer, který predikuje cíl pomocí binárního klasifikačního modelu.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
Vytvořte SdcaLogisticRegressionBinaryTrainer s pokročilými možnostmi, které předpoví cíl pomocí modelu lineární klasifikace.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Vytvořte SdcaLogisticRegressionBinaryTrainer, který předpovídá cíl pomocí modelu lineární klasifikace.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
Vytvořte SdcaNonCalibratedBinaryTrainer s pokročilými možnostmi, které předpovídají cíl pomocí modelu lineární klasifikace natrénovaného na základě logických dat popisků.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Vytvořte SdcaNonCalibratedBinaryTrainer, který předpovídá cíl pomocí modelu lineární klasifikace.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
Vytvořte SgdCalibratedTrainer s pokročilými možnostmi, které předpoví cíl pomocí modelu lineární klasifikace.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
Vytvořte SgdCalibratedTrainer, který předpovídá cíl pomocí modelu lineární klasifikace.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
Vytvořte SgdNonCalibratedTrainer s pokročilými možnostmi, které předpoví cíl pomocí modelu lineární klasifikace.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
Vytvořte SgdNonCalibratedTrainer, který předpovídá cíl pomocí modelu lineární klasifikace.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
|
Vytvoření SymbolicSgdLogisticRegressionBinaryTrainer, který predikuje cíl pomocí lineárního binárního klasifikačního modelu natrénovaného na základě logických dat popisků.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
Paralelizuje SymbolicSgdLogisticRegressionBinaryTrainer SGD pomocí symbolického spuštění.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
|
Vytvořte SymbolicSgdLogisticRegressionBinaryTrainer s pokročilými možnostmi, které predikují cíl pomocí modelu lineární binární klasifikace natrénovaného na data logických popisků.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
Paralelizuje SymbolicSgdLogisticRegressionBinaryTrainer SGD pomocí symbolického spuštění.
|