Partager via


ComputeLogisticRegressionStandardDeviation Classe

Définition

Calcule la matrice d’écart-type de chacun des poids d’entraînement non nuls, nécessaire pour calculer davantage l’écart-type, la p-valeur et le z-Score. Utilisez l’implémentation de cette classe dans le package Microsoft.ML.Mkl.Components qui utilise la bibliothèque de noyaux Intel Math. En raison de l’existence de la régularisation, une approximation est utilisée pour calculer les variances des coefficients linéaires entraînés.

public abstract class ComputeLogisticRegressionStandardDeviation
type ComputeLogisticRegressionStandardDeviation = class
Public MustInherit Class ComputeLogisticRegressionStandardDeviation
Héritage
ComputeLogisticRegressionStandardDeviation
Dérivé

Constructeurs

ComputeLogisticRegressionStandardDeviation()

Calcule la matrice d’écart-type de chacun des poids d’entraînement non nuls, nécessaire pour calculer davantage l’écart-type, la p-valeur et le z-Score. Utilisez l’implémentation de cette classe dans le package Microsoft.ML.Mkl.Components qui utilise la bibliothèque de noyaux Intel Math. En raison de l’existence de la régularisation, une approximation est utilisée pour calculer les variances des coefficients linéaires entraînés.

Méthodes

ComputeStandardDeviation(Double[], Int32[], Int32, Int32, IChannel, Single)

Calcule la matrice d’écart-type de chacun des poids d’entraînement non nuls, nécessaire pour calculer davantage l’écart-type, la p-valeur et le z-Score. Les calculs ne font pas partie de Microsoft.ML package, en raison de la taille de MKL. Si vous avez besoin de ces calculs, ajoutez le package Microsoft.ML.Mkl.Components et initialisez ComputeStandardDeviation l’implémentation ComputeLogisticRegressionStandardDeviation dans le package Microsoft.ML.Mkl.Components. En raison de l’existence de la régularisation, une approximation est utilisée pour calculer les variances des coefficients linéaires entraînés.

S’applique à