StandardTrainersCatalog 클래스

정의

네임스페이스:

Microsoft.ML

어셈블리:

Microsoft.ML.StandardTrainers.dll

패키지:

Microsoft.ML v2.0.0

트레이너 구성 요소의 인스턴스를 만들기 위한 RegressionCatalog.RegressionTrainersBinaryClassificationCatalog.BinaryClassificationTrainersMulticlassClassificationCatalog.MulticlassClassificationTrainers 확장 메서드 컬렉션입니다.

public static class StandardTrainersCatalog

type StandardTrainersCatalog = class

Public Module StandardTrainersCatalog

상속

Object

StandardTrainersCatalog

메서드

AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)	AveragedPerceptronTrainer 부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 만듭니다.
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)	AveragedPerceptronTrainer부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니다.
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)	부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LbfgsLogisticRegressionBinaryTrainer 다.
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 LbfgsLogisticRegressionBinaryTrainer다.
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 메서드를 사용하여 학습된 최대 엔트로피 분류 모델을 사용하여 대상을 예측하는 Create LbfgsMaximumEntropyMulticlassTrainer.
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 Create LbfgsPoissonRegressionTrainer.
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)	로컬 Deep SVM 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LdSvmTrainer 다.
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)	로컬 Deep SVM 모델을 사용하여 대상을 예측하는 Create LdSvmTrainer.
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)	부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LinearSvmTrainer 다.
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)	부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 LinearSvmTrainer다.
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)	Create a NaiveBayesMulticlassTrainer, which predicts a multiclass target using a Naive Bayes model that supports binary feature values.
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)	Create a OneVersusAllTrainer, which predicts a multiclass target using one-versus-all strategy with the binary classification estimator specified by binaryEstimator.
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 Create OnlineGradientDescentTrainer.
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>, TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32)	Create a PairwiseCouplingTrainer, which predicts a multiclass target using pairwise coupling strategy with the binary classification estimator specified by binaryEstimator.
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)	이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 PriorTrainer다.
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 Create SdcaRegressionTrainer.
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)	선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SdcaLogisticRegressionBinaryTrainer 다.
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaLogisticRegressionBinaryTrainer다.
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 방법을 사용하여 학습된 최대 엔트로피 분류 모델을 사용하여 대상을 예측하는 Create SdcaMaximumEntropyMulticlassTrainer.
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)	부울 레이블 데이터를 통해 학습된 선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SdcaNonCalibratedBinaryTrainer 다.
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaNonCalibratedBinaryTrainer다.
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 방법을 사용하여 학습된 선형 다중 클래스 분류 모델을 사용하여 대상을 예측하는 Create SdcaNonCalibratedMulticlassTrainer.
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)	선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SgdCalibratedTrainer 다. SGD(확률 그라데이션 하강)는 서로 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)	선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SgdCalibratedTrainer다. SGD(확률 그라데이션 하강)는 서로 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)	선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SgdNonCalibratedTrainer 다. SGD(확률 그라데이션 하강)는 서로 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)	선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SgdNonCalibratedTrainer다. SGD(확률 그라데이션 하강)는 서로 다른 목표 함수를 최적화하는 반복 알고리즘입니다.