BinaryClassificationCatalog.BinaryClassificationTrainers Classe

Définition

Espace de noms:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Paquet:

Microsoft.ML v5.0.0-preview.1.25125.4

Source:

TrainCatalog.cs

Classe utilisée par MLContext pour créer des instances de formateurs de classification binaire.

public sealed class BinaryClassificationCatalog.BinaryClassificationTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase

type BinaryClassificationCatalog.BinaryClassificationTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class BinaryClassificationCatalog.BinaryClassificationTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

Héritage

Object

TrainCatalogBase.CatalogInstantiatorBase

BinaryClassificationCatalog.BinaryClassificationTrainers

Méthodes d’extension

Nom	Description
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)	Créez une AveragedPerceptronTrainer option avec options avancées, qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur les données d’étiquette booléenne.
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)	Créez une AveragedPerceptronTrainercible qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur des données d’étiquette booléenne.
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)	Créez FastForestBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)	Créez FastForestBinaryTrainer, qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)	Créez FastTreeBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de classification binaire d’arbre de décision.
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)	Créez FastTreeBinaryTrainer, qui prédit une cible à l’aide d’un modèle de classification binaire d’arbre de décision.
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)	Créez à FieldAwareFactorizationMachineTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide d’une machine de factorisation prenant en charge le champ entraînée sur les données d’étiquette booléenne.
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)	Créez FieldAwareFactorizationMachineTrainer, qui prédit une cible à l’aide d’une machine de factorisation prenant en charge les champs entraînée sur les données d’étiquette booléenne.
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)	Créez FieldAwareFactorizationMachineTrainer, qui prédit une cible à l’aide d’une machine de factorisation prenant en charge les champs entraînée sur les données d’étiquette booléenne.
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)	Créez à GamBinaryTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide de modèles additifs généralisés (GAM).
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)	Créez GamBinaryTrainer, qui prédit une cible à l’aide de modèles additifs généralisés (GAM).
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)	Créez LbfgsLogisticRegressionBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur les données d’étiquette booléenne.
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	Créez LbfgsLogisticRegressionBinaryTrainer, qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur des données d’étiquette booléenne.
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)	Créez LdSvmTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle SVM deep local.
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)	Créez LdSvmTrainer, qui prédit une cible à l’aide d’un modèle SVM deep local.
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)	Créez LightGbmBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’une classification binaire d’arbre de décision de renforcement de dégradé.
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)	Créez à LightGbmBinaryTrainer partir d’un modèle LightGBM préentraîné, qui prédit une cible à l’aide d’une classification binaire de l’arbre de décision de renforcement de dégradé.
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	Créez LightGbmBinaryTrainer, qui prédit une cible à l’aide d’une classification binaire de l’arbre de décision d’augmentation de dégradé.
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)	Créez LinearSvmTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur les données d’étiquette booléenne.
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)	Créez LinearSvmTrainer, qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur des données d’étiquette booléenne.
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)	Créez PriorTrainer, qui prédit une cible à l’aide d’un modèle de classification binaire.
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)	Créez SdcaLogisticRegressionBinaryTrainer avec des options avancées, qui prédit une cible à l’aide d’un modèle de classification linéaire.
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	Créez SdcaLogisticRegressionBinaryTrainer, qui prédit une cible à l’aide d’un modèle de classification linéaire.
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)	Créez SdcaNonCalibratedBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de classification linéaire entraîné sur les données d’étiquette booléenne.
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	Créez SdcaNonCalibratedBinaryTrainer, qui prédit une cible à l’aide d’un modèle de classification linéaire.
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)	Créez SgdCalibratedTrainer avec des options avancées, qui prédit une cible à l’aide d’un modèle de classification linéaire. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable.
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)	Créez SgdCalibratedTrainer, qui prédit une cible à l’aide d’un modèle de classification linéaire. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable.
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)	Créez SgdNonCalibratedTrainer avec des options avancées, qui prédit une cible à l’aide d’un modèle de classification linéaire. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable.
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)	Créez SgdNonCalibratedTrainer, qui prédit une cible à l’aide d’un modèle de classification linéaire. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)	Créez SymbolicSgdLogisticRegressionBinaryTrainer, qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur des données d’étiquette booléenne. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable. Parallélise SymbolicSgdLogisticRegressionBinaryTrainer SGD à l’aide de l’exécution symbolique.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)	Créez SymbolicSgdLogisticRegressionBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur les données d’étiquette booléenne. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable. Parallélise SymbolicSgdLogisticRegressionBinaryTrainer SGD à l’aide de l’exécution symbolique.