MulticlassClassificationCatalog.MulticlassClassificationTrainers 클래스

정의

네임스페이스:

Microsoft.ML

어셈블리:

Microsoft.ML.Data.dll

패키지:

Microsoft.ML v3.0.1

에서 다중 클래스 분류 트레이너의 인스턴스를 만드는 데 사용하는 MLContext 클래스입니다.

public sealed class MulticlassClassificationCatalog.MulticlassClassificationTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase

type MulticlassClassificationCatalog.MulticlassClassificationTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class MulticlassClassificationCatalog.MulticlassClassificationTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

상속

Object

TrainCatalogBase.CatalogInstantiatorBase

MulticlassClassificationCatalog.MulticlassClassificationTrainers

확장 메서드

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LightGbmMulticlassTrainer+Options)	그라데이션 부스팅 의사 결정 트리 다중 클래스 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LightGbmMulticlassTrainer 다.
LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, Stream, String)	그라데이션 부스팅 의사 결정 트리 다중 클래스 분류 모델을 사용하여 대상을 예측하는 미리 학습된 LightGBM 모델에서 만듭니 LightGbmMulticlassTrainer 다.
LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	그라데이션 부스팅 의사 결정 트리 다중 클래스 분류 모델을 사용하여 대상을 예측하는 를 만듭니 LightGbmMulticlassTrainer다.
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)	L-BFGS 메서드로 학습된 최대 엔트로피 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LbfgsMaximumEntropyMulticlassTrainer 다.
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	L-BFGS 메서드로 학습된 최대 엔트로피 분류 모델을 사용하여 대상을 예측하는 를 만듭니 LbfgsMaximumEntropyMulticlassTrainer다.
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)	NaiveBayesMulticlassTrainer이진 기능 값을 지원하는 Naive Bayes 모델을 사용하여 다중 클래스 대상을 예측하는 를 만듭니다.
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)	에서 OneVersusAllTrainer지정한 이진 분류 예측 도구와 함께 일대다 전략을 사용하여 다중 클래스 대상을 예측하는 를 만듭니다 binaryEstimator.
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>, TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32)	PairwiseCouplingTrainer에서 지정한 이진 분류 예측 도구와 쌍으로 결합 전략을 사용하여 다중 클래스 대상을 예측하는 을 만듭니다binaryEstimator.
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)	좌표 하강 방법으로 학습된 최대 엔트로피 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SdcaMaximumEntropyMulticlassTrainer 다.
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	좌표 하강 방법으로 학습된 최대 엔트로피 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaMaximumEntropyMulticlassTrainer다.
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)	좌표 하강 방법으로 학습된 선형 다중 클래스 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SdcaNonCalibratedMulticlassTrainer 다.
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	좌표 하강 방법으로 학습된 선형 다중 클래스 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaNonCalibratedMulticlassTrainer다.
ImageClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ImageClassificationTrainer+Options)	DNN(심층 신경망)을 학습시켜 이미지를 분류하는 고급 옵션을 사용하여 만듭니 ImageClassificationTrainer 다.
ImageClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, IDataView)	이미지를 분류하는 DNN(심층 신경망)을 학습하는 을 만듭니 ImageClassificationTrainer다.