|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
AveragedPerceptronTrainer Vytvořte s pokročilými možnostmi, které predikují cíl pomocí modelu lineární binární klasifikace natrénovaného přes data logického popisku.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
AveragedPerceptronTrainerVytvořte objekt , který předpovídá cíl pomocí lineárního binárního klasifikačního modelu natrénovaného přes logická data popisků.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
Vytvořte LbfgsLogisticRegressionBinaryTrainer s pokročilými možnostmi, které predikují cíl pomocí modelu lineární binární klasifikace trénovaného přes data logického popisku.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Vytvoření LbfgsLogisticRegressionBinaryTrainer, které predikuje cíl pomocí lineárního binárního klasifikačního modelu natrénovaného přes logická data popisků.
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)
|
Vytvořte LbfgsMaximumEntropyMulticlassTrainer s pokročilými možnostmi, které predikují cíl pomocí maximálního klasifikačního modelu entropie natrénovaného metodou L-BFGS.
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Vytvořit LbfgsMaximumEntropyMulticlassTrainer, který predikuje cíl pomocí maximální entropie klasifikační model natrénovaný metodou L-BFGS.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)
|
Vytvořte LbfgsPoissonRegressionTrainer pomocí pokročilých možností, které predikují cíl pomocí lineárního regresního modelu.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Vytvořte LbfgsPoissonRegressionTrainer, který předpovídá cíl pomocí lineárního regresního modelu.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
Vytvořte LdSvmTrainer s pokročilými možnostmi, které predikují cíl pomocí místního modelu SVM.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
Vytvořte LdSvmTrainer, který předpovídá cíl pomocí místního modelu SVM.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
Vytvořte LinearSvmTrainer s pokročilými možnostmi, které predikují cíl pomocí modelu lineární binární klasifikace trénovaného přes data logického popisku.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
Vytvoření LinearSvmTrainer, které predikuje cíl pomocí lineárního binárního klasifikačního modelu natrénovaného přes logická data popisků.
|
|
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)
|
NaiveBayesMulticlassTrainerVytvořte objekt , který predikuje cíl s více třídami pomocí modelu Naive Bayes, který podporuje hodnoty binárních funkcí.
|
|
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>,
String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32, Boolean)
|
OneVersusAllTrainerVytvořte , která predikuje cíl s více třídami pomocí strategie 1-versus-all s odhadem binární klasifikace určeným binaryEstimatornástrojem .
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
|
Vytvořte OnlineGradientDescentTrainer pomocí pokročilých možností, které predikují cíl pomocí lineárního regresního modelu.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
|
Vytvořte OnlineGradientDescentTrainer, který předpovídá cíl pomocí lineárního regresního modelu.
|
|
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>,
TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32)
|
PairwiseCouplingTrainerVytvořte , která predikuje cíl s vícetřídou pomocí párové strategie párové spojky s odhadem binární klasifikace určeným binaryEstimatornástrojem .
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
Vytvořit PriorTrainer, který predikuje cíl pomocí binárního klasifikačního modelu.
|
|
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)
|
Vytvářejte SdcaRegressionTrainer s pokročilými možnostmi, které predikují cíl pomocí lineárního regresního modelu.
|
|
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Vytvořte SdcaRegressionTrainer, který předpovídá cíl pomocí lineárního regresního modelu.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
Vytvářejte SdcaLogisticRegressionBinaryTrainer s pokročilými možnostmi, které predikují cíl pomocí lineárního klasifikačního modelu.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Vytvořit SdcaLogisticRegressionBinaryTrainer, která predikuje cíl pomocí lineárního klasifikačního modelu.
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)
|
Vytvořte SdcaMaximumEntropyMulticlassTrainer s pokročilými možnostmi, které predikují cíl pomocí maximálního klasifikačního modelu entropie natrénovaného pomocí metody souřadnicového sestupu.
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Vytvořit SdcaMaximumEntropyMulticlassTrainer, který predikuje cíl pomocí maximálního entropického klasifikačního modelu natrénovaného pomocí metody souřadnicového sestupu.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
Vytvořte SdcaNonCalibratedBinaryTrainer s pokročilými možnostmi, které predikují cíl pomocí modelu lineární klasifikace natrénovaného přes logická data popisků.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Vytvořit SdcaNonCalibratedBinaryTrainer, která predikuje cíl pomocí lineárního klasifikačního modelu.
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
|
Vytvořte SdcaNonCalibratedMulticlassTrainer s pokročilými možnostmi, které predikují cíl pomocí lineárního vícetřídového klasifikačního modelu natrénovaného pomocí metody souřadnicového sestupu.
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Vytvoření SdcaNonCalibratedMulticlassTrainer, které predikuje cíl pomocí lineárního vícetřídového klasifikačního modelu trénovaného pomocí metody souřadnicového sestupu.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
Vytvářejte SgdCalibratedTrainer s pokročilými možnostmi, které predikují cíl pomocí lineárního klasifikačního modelu.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
Vytvořit SgdCalibratedTrainer, která predikuje cíl pomocí lineárního klasifikačního modelu.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
Vytvářejte SgdNonCalibratedTrainer s pokročilými možnostmi, které predikují cíl pomocí lineárního klasifikačního modelu.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
Vytvořit SgdNonCalibratedTrainer, která predikuje cíl pomocí lineárního klasifikačního modelu.
Stochastický gradientní sestup (SGD) je iterativní algoritmus, který optimalizuje odlišnou objektivní funkci.
|