|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
Crie um AveragedPerceptronTrainer com opções avançadas, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
Crie um AveragedPerceptronTrainer, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
Crie FastForestBinaryTrainer com opções avançadas, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
Criar FastForestBinaryTrainer, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
Crie FastTreeBinaryTrainer com opções avançadas, que prevê um destino usando um modelo de classificação binária de árvore de decisão.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Criar FastTreeBinaryTrainer, que prevê um destino usando um modelo de classificação binária de árvore de decisão.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)
|
Crie FieldAwareFactorizationMachineTrainer usando opções avançadas, que prevê um destino usando um computador de factorization com reconhecimento de campo treinado sobre dados de rótulo booliano.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)
|
Criar FieldAwareFactorizationMachineTrainer, que prevê um destino usando um computador de factorization com reconhecimento de campo treinado sobre dados de rótulo booliano.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)
|
Criar FieldAwareFactorizationMachineTrainer, que prevê um destino usando um computador de factorization com reconhecimento de campo treinado sobre dados de rótulo booliano.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
Crie GamBinaryTrainer usando opções avançadas, que prevê um destino usando modelos aditivos generalizados (GAM).
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
Criar GamBinaryTrainer, que prevê um destino usando modelos aditivos generalizados (GAM).
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
Crie LbfgsLogisticRegressionBinaryTrainer com opções avançadas, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Criar LbfgsLogisticRegressionBinaryTrainer, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
Crie LdSvmTrainer com opções avançadas, o que prevê um destino usando um modelo SVM profundo local.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
Criar LdSvmTrainer, que prevê um destino usando um modelo SVM local profundo.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)
|
Crie LightGbmBinaryTrainer com opções avançadas, que prevê um destino usando uma classificação binária de árvore de decisão de aumento de gradiente.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)
|
Crie LightGbmBinaryTrainer com base em um modelo LightGBM pré-treinado, que prevê um destino usando uma classificação binária de árvore de decisão de aumento de gradiente.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
Criar LightGbmBinaryTrainer, que prevê um destino usando uma classificação binária de árvore de decisão de aumento de gradiente.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
Crie LinearSvmTrainer com opções avançadas, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
Criar LinearSvmTrainer, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
Criar PriorTrainer, que prevê um destino usando um modelo de classificação binária.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
Crie SdcaLogisticRegressionBinaryTrainer com opções avançadas, que prevê um destino usando um modelo de classificação linear.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Criar SdcaLogisticRegressionBinaryTrainer, que prevê um destino usando um modelo de classificação linear.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
Crie SdcaNonCalibratedBinaryTrainer com opções avançadas, que prevê um destino usando um modelo de classificação linear treinado sobre dados de rótulo booliano.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Criar SdcaNonCalibratedBinaryTrainer, que prevê um destino usando um modelo de classificação linear.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
Crie SgdCalibratedTrainer com opções avançadas, que prevê um destino usando um modelo de classificação linear.
SGD (descendente de gradiente estocástico) é um algoritmo iterativo que otimiza uma função de objetivo diferencial.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
Criar SgdCalibratedTrainer, que prevê um destino usando um modelo de classificação linear.
SGD (descendente de gradiente estocástico) é um algoritmo iterativo que otimiza uma função de objetivo diferencial.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
Crie SgdNonCalibratedTrainer com opções avançadas, que prevê um destino usando um modelo de classificação linear.
SGD (descendente de gradiente estocástico) é um algoritmo iterativo que otimiza uma função de objetivo diferencial.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
Criar SgdNonCalibratedTrainer, que prevê um destino usando um modelo de classificação linear.
SGD (descendente de gradiente estocástico) é um algoritmo iterativo que otimiza uma função de objetivo diferencial.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
|
Criar SymbolicSgdLogisticRegressionBinaryTrainer, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
SGD (descendente de gradiente estocástico) é um algoritmo iterativo que otimiza uma função de objetivo diferencial.
O SymbolicSgdLogisticRegressionBinaryTrainer SGD paraleliza usando a execução simbólica.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
|
Crie SymbolicSgdLogisticRegressionBinaryTrainer com opções avançadas, que prevê um destino usando um modelo de classificação binária linear treinado sobre dados de rótulo booliano.
SGD (descendente de gradiente estocástico) é um algoritmo iterativo que otimiza uma função de objetivo diferencial.
O SymbolicSgdLogisticRegressionBinaryTrainer SGD paraleliza usando a execução simbólica.
|