Bagikan melalui


RegressionCatalog.RegressionTrainers Kelas

Definisi

Kelas yang digunakan oleh MLContext untuk membuat instans pelatih regresi.

public sealed class RegressionCatalog.RegressionTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase
type RegressionCatalog.RegressionTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase
Public NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase
Warisan
RegressionCatalog.RegressionTrainers

Metode Ekstensi

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)

Buat LightGbmRegressionTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan gradien yang meningkatkan model regresi pohon keputusan.

LightGbm(RegressionCatalog+RegressionTrainers, Stream, String)

Buat LightGbmRegressionTrainer dari model LightGBM yang telah dilatih sebelumnya, yang memprediksi target menggunakan gradien yang meningkatkan regresi pohon keputusan.

LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

Buat LightGbmRegressionTrainer, yang memprediksi target menggunakan model regresi pohon keputusan peningkatan gradien.

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.

LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)

Buat LbfgsPoissonRegressionTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi linier.

LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

Buat LbfgsPoissonRegressionTrainer, yang memprediksi target menggunakan model regresi linier.

OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)

Buat OnlineGradientDescentTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi linier.

OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)

Buat OnlineGradientDescentTrainer, yang memprediksi target menggunakan model regresi linier.

Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)

Buat SdcaRegressionTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi linier.

Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

Buat SdcaRegressionTrainer, yang memprediksi target menggunakan model regresi linier.

FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)

Buat FastForestRegressionTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi pohon keputusan.

FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)

Buat FastForestRegressionTrainer, yang memprediksi target menggunakan model regresi pohon keputusan.

FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)

Buat FastTreeRegressionTrainer dengan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi pohon keputusan.

FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)

Buat FastTreeRegressionTrainer, yang memprediksi target menggunakan model regresi pohon keputusan.

FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)

Buat FastTreeTweedieTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan model regresi pohon keputusan.

FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)

Buat FastTreeTweedieTrainer, yang memprediksi target menggunakan model regresi pohon keputusan.

Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)

Buat GamRegressionTrainer menggunakan opsi tingkat lanjut, yang memprediksi target menggunakan model aditif umum (GAM).

Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)

Buat GamRegressionTrainer, yang memprediksi target menggunakan model aditif umum (GAM).

Berlaku untuk