RegressionCatalog.RegressionTrainers Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML

Zestaw:

Microsoft.ML.Data.dll

Pakiet:

Microsoft.ML v2.0.0

Klasa używana przez MLContext program do tworzenia wystąpień trenerów regresji.

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

type RegressionCatalog.RegressionTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

Dziedziczenie

Object

TrainCatalogBase.CatalogInstantiatorBase

RegressionCatalog.RegressionTrainers

Metody rozszerzania

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)	Utwórz LightGbmRegressionTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu gradientu zwiększającego regresję drzewa decyzyjnego.
LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	Utwórz LightGbmRegressionTrainerobiekt , który przewiduje obiekt docelowy przy użyciu modelu regresji drzewa decyzyjnego zwiększającego gradient.
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	Utwórz OlsTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji liniowej.
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	Utwórz OlsTrainerobiekt , który przewiduje cel przy użyciu modelu regresji liniowej.
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)	Utwórz LbfgsPoissonRegressionTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji liniowej.
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	Utwórz LbfgsPoissonRegressionTrainerobiekt , który przewiduje cel przy użyciu modelu regresji liniowej.
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)	Utwórz OnlineGradientDescentTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji liniowej.
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)	Utwórz OnlineGradientDescentTrainerobiekt , który przewiduje cel przy użyciu modelu regresji liniowej.
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)	Utwórz SdcaRegressionTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji liniowej.
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	Utwórz SdcaRegressionTrainerobiekt , który przewiduje cel przy użyciu modelu regresji liniowej.
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)	Utwórz FastForestRegressionTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)	Utwórz FastForestRegressionTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)	Utwórz FastTreeRegressionTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	Utwórz FastTreeRegressionTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)	Utwórz FastTreeTweedieTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	Utwórz FastTreeTweedieTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)	Utwórz GamRegressionTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu uogólnionych modeli addytywnego (GAM).
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)	Utwórz GamRegressionTrainerobiekt , który przewiduje cel przy użyciu uogólnionych modeli addytywnego (GAM).