Bagikan melalui

RankingCatalog.RankingTrainers Kelas

  • Referensi

Definisi

Ruang nama:
Microsoft.ML
Rakitan:
Microsoft.ML.Data.dll
Paket:
Microsoft.ML v3.0.1
Paket:
Microsoft.ML v1.0.0
Paket:
Microsoft.ML v1.1.0
Paket:
Microsoft.ML v1.2.0
Paket:
Microsoft.ML v1.3.1
Paket:
Microsoft.ML v1.4.0
Paket:
Microsoft.ML v1.5.5
Paket:
Microsoft.ML v1.6.0
Paket:
Microsoft.ML v1.7.0
Paket:
Microsoft.ML v2.0.0

Kelas yang digunakan oleh MLContext untuk membuat instans pelatih peringkat.

public sealed class RankingCatalog.RankingTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase
type RankingCatalog.RankingTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase
Public NotInheritable Class RankingCatalog.RankingTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase
Warisan
Object
TrainCatalogBase.CatalogInstantiatorBase
RankingCatalog.RankingTrainers

Metode Ekstensi

LightGbm(RankingCatalog+RankingTrainers, LightGbmRankingTrainer+Options)

Buat LightGbmRankingTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan gradien yang meningkatkan model peringkat pohon keputusan.
LightGbm(RankingCatalog+RankingTrainers, Stream, String)

Buat LightGbmRankingTrainer dari model LightGBM yang telah dilatih sebelumnya, yang memprediksi target menggunakan gradien yang meningkatkan model peringkat pohon keputusan.
LightGbm(RankingCatalog+RankingTrainers, String, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

Buat LightGbmRankingTrainer, yang memprediksi target menggunakan gradien yang meningkatkan model peringkat pohon keputusan.
FastTree(RankingCatalog+RankingTrainers, FastTreeRankingTrainer+Options)

FastTreeRankingTrainer Buat dengan opsi tingkat lanjut, yang memberi peringkat serangkaian input berdasarkan relevansinya, menggunakan model peringkat pohon keputusan.
FastTree(RankingCatalog+RankingTrainers, String, String, String, String, Int32, Int32, Int32, Double)

Buat FastTreeRankingTrainer, yang memberi peringkat serangkaian input berdasarkan relevansinya, menggunakan model peringkat pohon keputusan.

Berlaku untuk