RegressionCatalog.RegressionTrainers 클래스

정의

네임스페이스:

Microsoft.ML

어셈블리:

Microsoft.ML.Data.dll

패키지:

Microsoft.ML v2.0.0

에서 회귀 트레이너의 인스턴스를 만드는 데 사용하는 MLContext 클래스입니다.

public sealed class RegressionCatalog.RegressionTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase

type RegressionCatalog.RegressionTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

상속

Object

TrainCatalogBase.CatalogInstantiatorBase

RegressionCatalog.RegressionTrainers

확장 메서드

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)	그라데이션 강화 의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LightGbmRegressionTrainer 다.
LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	그라데이션 강화 의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 LightGbmRegressionTrainer다.
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	선형 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 OlsTrainer 다.
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	선형 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 OlsTrainer다.
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)	선형 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LbfgsPoissonRegressionTrainer 다.
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	선형 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 LbfgsPoissonRegressionTrainer다.
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)	선형 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 OnlineGradientDescentTrainer 다.
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)	선형 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 OnlineGradientDescentTrainer다.
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)	선형 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SdcaRegressionTrainer 다.
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	선형 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaRegressionTrainer다.
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastForestRegressionTrainer 다.
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 FastForestRegressionTrainer다.
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastTreeRegressionTrainer 다.
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 FastTreeRegressionTrainer다.
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastTreeTweedieTrainer 다.
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 FastTreeTweedieTrainer다.
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)	일반화된 GAM(가산 모델)을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 GamRegressionTrainer 다.
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)	일반화된 GAM(추가 모델)을 사용하여 대상을 예측하는 을 만듭니 GamRegressionTrainer다.