|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
AveragedPerceptronTrainer Создайте с дополнительными параметрами, которые прогнозируют целевой объект с помощью модели линейной двоичной классификации, обученной на основе логических данных меток.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
AveragedPerceptronTrainerСоздайте объект, который прогнозирует целевой объект с помощью модели линейной двоичной классификации, обученной на основе логических данных меток.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
Создание LbfgsLogisticRegressionBinaryTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной двоичной классификации, обученной на основе логических данных меток.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Создание LbfgsLogisticRegressionBinaryTrainer, которое прогнозирует целевой объект с помощью модели линейной двоичной классификации, обученной по логическим данным меток.
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)
|
Создание LbfgsMaximumEntropyMulticlassTrainer с помощью дополнительных параметров, которое прогнозирует целевой объект с помощью модели максимальной классификации энтропии, обученной с помощью метода L-BFGS.
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Создание LbfgsMaximumEntropyMulticlassTrainer, которое прогнозирует целевой объект с помощью модели максимальной классификации энтропии, обученной с помощью метода L-BFGS.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)
|
Создание LbfgsPoissonRegressionTrainer с помощью дополнительных параметров, которое прогнозирует целевой объект с помощью модели линейной регрессии.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Создание LbfgsPoissonRegressionTrainer, которое прогнозирует целевой объект с помощью модели линейной регрессии.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
Создание LdSvmTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью локальной модели DEEP SVM.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
Создание LdSvmTrainer, которое прогнозирует целевой объект с помощью локальной модели DEEP SVM.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
Создание LinearSvmTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной двоичной классификации, обученной на основе логических данных меток.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
Создание LinearSvmTrainer, которое прогнозирует целевой объект с помощью модели линейной двоичной классификации, обученной по логическим данным меток.
|
|
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)
|
NaiveBayesMulticlassTrainerСоздайте объект, который прогнозирует многоклассовый целевой объект с помощью упрощенной модели Байеса, которая поддерживает двоичные значения признаков.
|
|
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>,
String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32, Boolean)
|
OneVersusAllTrainerСоздайте объект, который прогнозирует многоклассовый целевой объект, используя стратегию "один и все" с оценщиком двоичной классификации, заданным параметром binaryEstimator.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
|
Создание OnlineGradientDescentTrainer с помощью дополнительных параметров, которое прогнозирует целевой объект с помощью модели линейной регрессии.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
|
Создание OnlineGradientDescentTrainer, которое прогнозирует целевой объект с помощью модели линейной регрессии.
|
|
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>,
TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32)
|
PairwiseCouplingTrainerСоздайте объект, который прогнозирует многоклассовый целевой объект с помощью парной стратегии связывания с оценщиком двоичной классификации, заданным параметром binaryEstimator.
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
Создание PriorTrainer, которое прогнозирует целевой объект с помощью модели двоичной классификации.
|
|
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)
|
Создание SdcaRegressionTrainer с дополнительными параметрами, которые прогнозируют целевой объект с помощью модели линейной регрессии.
|
|
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Создание SdcaRegressionTrainer, которое прогнозирует целевой объект с помощью модели линейной регрессии.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
Создавайте SdcaLogisticRegressionBinaryTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной классификации.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Создание SdcaLogisticRegressionBinaryTrainer, которое прогнозирует целевой объект с помощью модели линейной классификации.
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)
|
Создавайте SdcaMaximumEntropyMulticlassTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели максимальной классификации энтропии, обученной методом спуска координат.
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Создание SdcaMaximumEntropyMulticlassTrainer, которое прогнозирует целевой объект с помощью модели максимальной классификации энтропии, обученной с помощью метода спуска координат.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
Создавайте SdcaNonCalibratedBinaryTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной классификации, обученной на основе логических данных меток.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Создание SdcaNonCalibratedBinaryTrainer, которое прогнозирует целевой объект с помощью модели линейной классификации.
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
|
Создавайте SdcaNonCalibratedMulticlassTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной многоклассовой классификации, обученной методом спуска координат.
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Создание SdcaNonCalibratedMulticlassTrainer, которое прогнозирует целевой объект с помощью модели линейной многоклассовой классификации, обученной с помощью метода спуска координат.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
Создавайте SgdCalibratedTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной классификации.
Стохастический градиентный спуск (JSON) — это итеративный алгоритм, который оптимизирует другую целевую функцию.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
Создание SgdCalibratedTrainer, которое прогнозирует целевой объект с помощью модели линейной классификации.
Стохастический градиентный спуск (JSON) — это итеративный алгоритм, который оптимизирует другую целевую функцию.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
Создавайте SgdNonCalibratedTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели линейной классификации.
Стохастический градиентный спуск (JSON) — это итеративный алгоритм, который оптимизирует другую целевую функцию.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
Создание SgdNonCalibratedTrainer, которое прогнозирует целевой объект с помощью модели линейной классификации.
Стохастический градиентный спуск (JSON) — это итеративный алгоритм, который оптимизирует другую целевую функцию.
|