Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
|
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.
|
|
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)
|
Créez FastForestRegressionTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
|
|
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)
|
Créez FastForestRegressionTrainer, 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.
|
|
FastTree(RankingCatalog+RankingTrainers, FastTreeRankingTrainer+Options)
|
Créez une FastTreeRankingTrainer avec des options avancées, qui classe une série d’entrées en fonction de leur pertinence, à l’aide d’un modèle de classement d’arbre de décision.
|
|
FastTree(RankingCatalog+RankingTrainers, String, String, String, String, Int32, Int32, Int32, Double)
|
Créez un FastTreeRankingTrainer, qui classe une série d’entrées en fonction de leur pertinence, à l’aide d’un modèle de classement d’arbre de décision.
|
|
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)
|
Créez FastTreeRegressionTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
|
|
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Créez FastTreeRegressionTrainer, qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
|
Créez à FastTreeTweedieTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Créez FastTreeTweedieTrainer, qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision.
|
|
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)
|
Créez FastForestBinaryFeaturizationEstimator, qui utilise FastForestBinaryTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.
|
|
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)
|
Créez FastForestRegressionFeaturizationEstimator, qui utilise FastForestRegressionTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.
|
|
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)
|
Créez FastTreeBinaryFeaturizationEstimator, qui utilise FastTreeBinaryTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.
|
|
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)
|
Créez FastTreeRankingFeaturizationEstimator, qui utilise FastTreeRankingTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.
|
|
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)
|
Créez FastTreeRegressionFeaturizationEstimator, qui utilise FastTreeRegressionTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.
|
|
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)
|
Créez FastTreeTweedieFeaturizationEstimator, qui utilise FastTreeTweedieTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.
|
|
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)
|
Créez PretrainedTreeFeaturizationEstimator, qui produit des fonctionnalités basées sur des arborescences en fonction d’un TreeEnsembleModelParameters.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
Créez GamBinaryTrainer à 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)
|
Créer GamBinaryTrainer, qui prédit une cible à l’aide de modèles additifs généralisés (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)
|
Créez GamRegressionTrainer à l’aide d’options avancées, ce qui prédit une cible à l’aide de modèles additifs généralisés (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)
|
Créer GamRegressionTrainer, qui prédit une cible à l’aide de modèles additifs généralisés (GAM).
|