MklComponentsCatalog Kelas
Definisi
Penting
Beberapa informasi terkait produk prarilis yang dapat diubah secara signifikan sebelum dirilis. Microsoft tidak memberikan jaminan, tersirat maupun tersurat, sehubungan dengan informasi yang diberikan di sini.
Kumpulan metode ekstensi untuk RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainers, dan TransformsCatalog untuk membuat pelatih MKL (Pustaka Kernel Matematika) dan mengubah komponen.
public static class MklComponentsCatalog
type MklComponentsCatalog = class
Public Module MklComponentsCatalog
- Warisan
-
MklComponentsCatalog
Metode
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Buat OlsTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi linier. |
Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Buat OlsTrainer, yang memprediksi target menggunakan model regresi linier. |
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. |
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32) |
Mengambil kolom yang diisi dengan vektor variabel acak dengan matriks kovarian yang diketahui ke dalam satu set variabel baru yang kovariansnya adalah matriks identitas, yang berarti bahwa variabel tersebut tidak terkait dan masing-masing memiliki varians 1. |
Berlaku untuk
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk