MklComponentsCatalog Класс

Определение

Пространство имен:

Microsoft.ML

Сборка:

Microsoft.ML.Mkl.Components.dll

Пакет:

Microsoft.ML.Mkl.Components v2.0.0

Коллекция методов расширения для RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersа также TransformsCatalog создание компонентов обучения и преобразования MKL (библиотека математических ядер).

public static class MklComponentsCatalog

type MklComponentsCatalog = class

Public Module MklComponentsCatalog

Наследование

Object

MklComponentsCatalog

Методы

Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	Создание OlsTrainer с дополнительными параметрами, которые прогнозируют целевой объект с помощью модели линейной регрессии.
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	Создание OlsTrainer, которое прогнозирует целевой объект с помощью модели линейной регрессии.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)	Создание SymbolicSgdLogisticRegressionBinaryTrainer, которое прогнозирует целевой объект с помощью модели линейной двоичной классификации, обученной по логическим данным меток. Стохастический градиентный спуск (JSON) — это итеративный алгоритм, который оптимизирует другую целевую функцию. Параллелизует SymbolicSgdLogisticRegressionBinaryTrainer КОД JSON с помощью символьного выполнения.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)	Создание SymbolicSgdLogisticRegressionBinaryTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной двоичной классификации, обученной на основе логических данных меток. Стохастический градиентный спуск (JSON) — это итеративный алгоритм, который оптимизирует другую целевую функцию. Параллелизует SymbolicSgdLogisticRegressionBinaryTrainer КОД JSON с помощью символьного выполнения.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Принимает столбец, заполненный вектором случайных переменных с известной матрицей ковариации, в набор новых переменных, ковариация которых является матрицей идентификации, то есть они некоррелируются, и каждая из них имеет дисперсию 1.