TreeExtensions 클래스

정의

네임스페이스:

Microsoft.ML

어셈블리:

Microsoft.ML.FastTree.dll

패키지:

Microsoft.ML.FastTree v3.0.1

의사 RankingCatalogBinaryClassificationCatalogMulticlassClassificationCatalog결정 트리 트레이너 및 TransformsCatalog 기능화기의 인스턴스를 만드는 데 사용되는 RegressionCatalog확장 메서드의 컬렉션입니다.

public static class TreeExtensions

type TreeExtensions = class

Public Module TreeExtensions

상속

Object

TreeExtensions

메서드

FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)	의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastForestBinaryTrainer 다.
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)	만들기 FastForestBinaryTrainer- 의사 결정 트리 회귀 모델을 사용하여 대상을 예측합니다.
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)	만들기 FastForestRegressionTrainer- 의사 결정 트리 회귀 모델을 사용하여 대상을 예측합니다.
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)	의사 결정 트리 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastTreeBinaryTrainer 다.
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)	만들기 FastTreeBinaryTrainer- 의사 결정 트리 이진 분류 모델을 사용하여 대상을 예측합니다.
FastTree(RankingCatalog+RankingTrainers, FastTreeRankingTrainer+Options)	FastTreeRankingTrainer 의사 결정 트리 순위 모델을 사용하여 관련성에 따라 일련의 입력 순위를 지정하는 고급 옵션을 만듭니다.
FastTree(RankingCatalog+RankingTrainers, String, String, String, String, Int32, Int32, Int32, Double)	Create a FastTreeRankingTrainer, which ranks a series of inputs based on their relevancee, using a decision tree ranking model.
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)	만들기 FastTreeRegressionTrainer- 의사 결정 트리 회귀 모델을 사용하여 대상을 예측합니다.
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)	만들기 FastTreeTweedieTrainer- 의사 결정 트리 회귀 모델을 사용하여 대상을 예측합니다.
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	트리 기반 기능을 만들기 위해 학습 TreeEnsembleModelParameters 하는 데 사용하는 FastForestBinaryTrainer CreateFastForestBinaryFeaturizationEstimator.
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	트리 기반 기능을 만들기 위해 학습 TreeEnsembleModelParameters 하는 데 사용하는 FastForestRegressionTrainer CreateFastForestRegressionFeaturizationEstimator.
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	트리 기반 기능을 만들기 위해 학습 TreeEnsembleModelParameters 하는 데 사용하는 FastTreeBinaryTrainer CreateFastTreeBinaryFeaturizationEstimator.
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	트리 기반 기능을 만들기 위해 학습 TreeEnsembleModelParameters 하는 데 사용하는 FastTreeRankingTrainer CreateFastTreeRankingFeaturizationEstimator.
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	트리 기반 기능을 만들기 위해 학습 TreeEnsembleModelParameters 하는 데 사용하는 FastTreeRegressionTrainer CreateFastTreeRegressionFeaturizationEstimator.
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	트리 기반 기능을 만들기 위해 학습 TreeEnsembleModelParameters 하는 데 사용하는 FastTreeTweedieTrainer CreateFastTreeTweedieFeaturizationEstimator.
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	Create PretrainedTreeFeaturizationEstimator- 지정된 트리 기반 기능을 TreeEnsembleModelParameters생성합니다.
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)	GAM(일반화된 가산 모델)을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 GamBinaryTrainer 다.
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)	GAM(일반화된 가산 모델)을 사용하여 대상을 예측하는 만들기 GamBinaryTrainer
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)	GAM(일반화된 가산 모델)을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 GamRegressionTrainer 다.
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)	GAM(일반화된 가산 모델)을 사용하여 대상을 예측하는 만들기 GamRegressionTrainer