|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
AveragedPerceptronTrainer Buat dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
AveragedPerceptronTrainerBuat , yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
Buat FastForestBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi pohon keputusan.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
Buat FastForestBinaryTrainer, yang memprediksi target menggunakan model regresi pohon keputusan.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
Buat FastTreeBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi biner pohon keputusan.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Buat FastTreeBinaryTrainer, yang memprediksi target menggunakan model klasifikasi biner pohon keputusan.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)
|
Buat FieldAwareFactorizationMachineTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan mesin faktorisasi sadar bidang yang dilatih melalui data label boolean.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)
|
Buat FieldAwareFactorizationMachineTrainer, yang memprediksi target menggunakan mesin faktorisasi sadar bidang yang dilatih melalui data label boolean.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)
|
Buat FieldAwareFactorizationMachineTrainer, yang memprediksi target menggunakan mesin faktorisasi sadar bidang yang dilatih melalui data label boolean.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
Buat GamBinaryTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan model aditif umum (GAM).
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
Buat GamBinaryTrainer, yang memprediksi target menggunakan model aditif umum (GAM).
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
Buat LbfgsLogisticRegressionBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Buat LbfgsLogisticRegressionBinaryTrainer, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
Buat LdSvmTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model SVM Dalam Lokal.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
Buat LdSvmTrainer, yang memprediksi target menggunakan model SVM Dalam Lokal.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)
|
Buat LightGbmBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan gradien yang meningkatkan klasifikasi biner pohon keputusan.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)
|
Buat LightGbmBinaryTrainer dari model LightGBM yang telah dilatih sebelumnya, yang memprediksi target menggunakan klasifikasi biner pohon keputusan yang meningkatkan gradien.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
Buat LightGbmBinaryTrainer, yang memprediksi target menggunakan klasifikasi biner pohon keputusan peningkatan gradien.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
Buat LinearSvmTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
Buat LinearSvmTrainer, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
Buat PriorTrainer, yang memprediksi target menggunakan model klasifikasi biner.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
Buat SdcaLogisticRegressionBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi linier.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Buat SdcaLogisticRegressionBinaryTrainer, yang memprediksi target menggunakan model klasifikasi linier.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
Buat SdcaNonCalibratedBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi linier yang dilatih melalui data label boolean.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Buat SdcaNonCalibratedBinaryTrainer, yang memprediksi target menggunakan model klasifikasi linier.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
Buat SgdCalibratedTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi linier.
Penurunan gradien stochastic (SGD) adalah algoritma berulang yang mengoptimalkan fungsi tujuan yang dapat dibedakan.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
Buat SgdCalibratedTrainer, yang memprediksi target menggunakan model klasifikasi linier.
Penurunan gradien stochastic (SGD) adalah algoritma berulang yang mengoptimalkan fungsi tujuan yang dapat dibedakan.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
Buat SgdNonCalibratedTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi linier.
Penurunan gradien stochastic (SGD) adalah algoritma berulang yang mengoptimalkan fungsi tujuan yang dapat dibedakan.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
Buat SgdNonCalibratedTrainer, yang memprediksi target menggunakan model klasifikasi linier.
Penurunan gradien stochastic (SGD) adalah algoritma berulang yang mengoptimalkan fungsi tujuan yang dapat dibedakan.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
|
Buat SymbolicSgdLogisticRegressionBinaryTrainer, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
Penurunan gradien stochastic (SGD) adalah algoritma berulang yang mengoptimalkan fungsi tujuan yang dapat dibedakan.
Paralelisasi SymbolicSgdLogisticRegressionBinaryTrainer SGD menggunakan eksekusi simbolis.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
|
Buat SymbolicSgdLogisticRegressionBinaryTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model klasifikasi biner linier yang dilatih melalui data label boolean.
Penurunan gradien stochastic (SGD) adalah algoritma berulang yang mengoptimalkan fungsi tujuan yang dapat dibedakan.
Paralelisasi SymbolicSgdLogisticRegressionBinaryTrainer SGD menggunakan eksekusi simbolis.
|