TreeExtensions Kelas

Definisi

Ruang nama:

Microsoft.ML

Rakitan:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v2.0.0

Kumpulan metode ekstensi yang digunakan oleh RegressionCatalog, , BinaryClassificationCatalogMulticlassClassificationCatalog, RankingCatalog, dan TransformsCatalog untuk membuat instans pelatih pohon keputusan dan featurizer.

public static class TreeExtensions

type TreeExtensions = class

Public Module TreeExtensions

Warisan

Object

TreeExtensions

Metode

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.
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(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.
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.
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.
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	Buat FastForestBinaryFeaturizationEstimator, yang menggunakan FastForestBinaryTrainer untuk melatih TreeEnsembleModelParameters untuk membuat fitur berbasis pohon.
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	Buat FastForestRegressionFeaturizationEstimator, yang menggunakan FastForestRegressionTrainer untuk melatih TreeEnsembleModelParameters untuk membuat fitur berbasis pohon.
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	Buat FastTreeBinaryFeaturizationEstimator, yang menggunakan FastTreeBinaryTrainer untuk melatih TreeEnsembleModelParameters untuk membuat fitur berbasis pohon.
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	Buat FastTreeRankingFeaturizationEstimator, yang menggunakan FastTreeRankingTrainer untuk melatih TreeEnsembleModelParameters untuk membuat fitur berbasis pohon.
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	Buat FastTreeRegressionFeaturizationEstimator, yang menggunakan FastTreeRegressionTrainer untuk melatih TreeEnsembleModelParameters untuk membuat fitur berbasis pohon.
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	Buat FastTreeTweedieFeaturizationEstimator, yang menggunakan FastTreeTweedieTrainer untuk melatih TreeEnsembleModelParameters untuk membuat fitur berbasis pohon.
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	Buat PretrainedTreeFeaturizationEstimator, yang menghasilkan fitur berbasis pohon yang TreeEnsembleModelParametersdiberi .
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).
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).