|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)
|
高度なオプションを使用して作成 FieldAwareFactorizationMachineTrainer します。これは、ブールラベル データに対してトレーニングされたフィールド対応の階乗化マシンを使用してターゲットを予測します。
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)
|
を作成 FieldAwareFactorizationMachineTrainerします。これは、ブールラベル データを使用してトレーニングされたフィールド対応の因数分解マシンを使用してターゲットを予測します。
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)
|
を作成 FieldAwareFactorizationMachineTrainerします。これは、ブールラベル データを使用してトレーニングされたフィールド対応の因数分解マシンを使用してターゲットを予測します。
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)
|
高度なオプションを使用して を作成 LightGbmBinaryTrainer します。これは、勾配ブースティング デシジョン ツリーのバイナリ分類を使用してターゲットを予測します。
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)
|
事前トレーニング済みの LightGBM モデルから作成 LightGbmBinaryTrainer します。これは、勾配ブースティング デシジョン ツリーの二項分類を使用してターゲットを予測します。
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
を作成 LightGbmBinaryTrainerします。これは、勾配ブースティング デシジョン ツリーの二項分類を使用してターゲットを予測します。
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
|
高度なオプションを使用して を作成 SymbolicSgdLogisticRegressionBinaryTrainer します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
確率勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
ではSymbolicSgdLogisticRegressionBinaryTrainer、シンボリック実行を使用して SGD が並列化されます。
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
|
を作成 SymbolicSgdLogisticRegressionBinaryTrainerします。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
確率勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
ではSymbolicSgdLogisticRegressionBinaryTrainer、シンボリック実行を使用して SGD が並列化されます。
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
高度なオプションを使用して を AveragedPerceptronTrainer 作成します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
ブールラベル データで AveragedPerceptronTrainerトレーニングされた線形二項分類モデルを使用してターゲットを予測する を作成します。
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
高度なオプションを使用して を作成 LbfgsLogisticRegressionBinaryTrainer します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
を作成 LbfgsLogisticRegressionBinaryTrainerします。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
ローカル ディープ SVM モデルを使用してターゲットを予測する高度なオプションを使用して を作成 LdSvmTrainer します。
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
ローカル ディープ SVM モデルを使用してターゲットを予測する を作成 LdSvmTrainerします。
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
高度なオプションを使用して を作成 LinearSvmTrainer します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
を作成 LinearSvmTrainerします。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
を作成 PriorTrainerします。これは、二項分類モデルを使用してターゲットを予測します。
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
線形分類モデルを使用してターゲットを予測する高度なオプションを使用して を作成 SdcaLogisticRegressionBinaryTrainer します。
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
線形分類モデルを使用してターゲットを予測する を作成 SdcaLogisticRegressionBinaryTrainerします。
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
高度なオプションを使用して を作成 SdcaNonCalibratedBinaryTrainer します。これは、ブールラベル データでトレーニングされた線形分類モデルを使用してターゲットを予測します。
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
線形分類モデルを使用してターゲットを予測する を作成 SdcaNonCalibratedBinaryTrainerします。
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
線形分類モデルを使用してターゲットを予測する高度なオプションを使用して を作成 SgdCalibratedTrainer します。
確率勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
線形分類モデルを使用してターゲットを予測する を作成 SgdCalibratedTrainerします。
確率勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
線形分類モデルを使用してターゲットを予測する高度なオプションを使用して を作成 SgdNonCalibratedTrainer します。
確率勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
線形分類モデルを使用してターゲットを予測する を作成 SgdNonCalibratedTrainerします。
確率勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する高度なオプションを使用して を作成 FastForestBinaryTrainer します。
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する を作成 FastForestBinaryTrainerします。
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
デシジョン ツリー二項分類モデルを使用してターゲットを予測する高度なオプションを使用して を作成 FastTreeBinaryTrainer します。
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
デシジョン ツリーの二項分類モデルを使用してターゲットを予測する を作成 FastTreeBinaryTrainerします。
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
一般化加法モデル (GAM) を使用してターゲットを予測する高度なオプションを使用してを作成 GamBinaryTrainer します。
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
一般化加法モデル (GAM) を使用してターゲットを予測する を作成 GamBinaryTrainerします。
|