BinaryClassificationCatalog.BinaryClassificationTrainers Classe

Definizione

Spazio dei nomi:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Pacchetto:

Microsoft.ML v2.0.0

Classe usata da MLContext per creare istanze di trainer di classificazione binaria.

public sealed class BinaryClassificationCatalog.BinaryClassificationTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase

type BinaryClassificationCatalog.BinaryClassificationTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class BinaryClassificationCatalog.BinaryClassificationTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

Ereditarietà

Object

TrainCatalogBase.CatalogInstantiatorBase

BinaryClassificationCatalog.BinaryClassificationTrainers

Metodi di estensione

FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)	Creare FieldAwareFactorizationMachineTrainer usando opzioni avanzate, che stimano una destinazione usando un computer a fattorizzazione con riconoscimento del campo sottoposto a training sui dati dell'etichetta booleana.
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)	Creare FieldAwareFactorizationMachineTrainer, che stima una destinazione usando un computer a fattorizzazione con riconoscimento del campo sottoposto a training sui dati dell'etichetta booleana.
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)	Creare FieldAwareFactorizationMachineTrainer, che stima una destinazione usando un computer a fattorizzazione con riconoscimento del campo sottoposto a training sui dati dell'etichetta booleana.
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)	Creare LightGbmBinaryTrainer con opzioni avanzate, che stimano una destinazione usando una classificazione binaria dell'albero delle decisioni con aumento della sfumatura.
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	Creare LightGbmBinaryTrainer, che stima una destinazione usando una classificazione binaria dell'albero delle decisioni con aumento della sfumatura.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)	Creare SymbolicSgdLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. L'oggetto SymbolicSgdLogisticRegressionBinaryTrainer SGD viene parallelizzato usando l'esecuzione simbolica.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)	Creare SymbolicSgdLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. L'oggetto SymbolicSgdLogisticRegressionBinaryTrainer SGD viene parallelizzato usando l'esecuzione simbolica.
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)	Creare un oggetto AveragedPerceptronTrainer con opzioni avanzate, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)	Creare un AveragedPerceptronTraineroggetto , che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)	Creare LbfgsLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	Creare LbfgsLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)	Creare LdSvmTrainer con opzioni avanzate, che stimano una destinazione usando un modello SVM deep locale.
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)	Creare LdSvmTrainer, che stima una destinazione usando un modello SVM deep locale.
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)	Creare LinearSvmTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)	Creare LinearSvmTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)	Creare PriorTrainer, che stima una destinazione usando un modello di classificazione binaria.
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)	Creare SdcaLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare.
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	Creare SdcaLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione lineare.
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)	Creare SdcaNonCalibratedBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare sottoposto a training sui dati dell'etichetta booleana.
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	Creare SdcaNonCalibratedBinaryTrainer, che stima una destinazione usando un modello di classificazione lineare.
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)	Creare SgdCalibratedTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)	Creare SgdCalibratedTrainer, che stima una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)	Creare SgdNonCalibratedTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)	Creare SgdNonCalibratedTrainer, che stima una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)	Creare FastForestBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione dell'albero delle decisioni.
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)	Creare FastForestBinaryTrainer, che stima una destinazione usando un modello di regressione dell'albero delle decisioni.
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)	Creare FastTreeBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria dell'albero delle decisioni.
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)	Creare FastTreeBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria dell'albero delle decisioni.
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)	Creare GamBinaryTrainer usando opzioni avanzate, che stimano una destinazione usando modelli additivi generalizzati (GAM).
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)	Creare GamBinaryTrainer, che stima una destinazione usando modelli additivi generalizzati (GAM).