MklComponentsCatalog Sınıf

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.Mkl.Components.dll

Paket:

Microsoft.ML.Mkl.Components v3.0.1

MKL (Matematik Çekirdek Kitaplığı) eğitmeni ve dönüştürme bileşenleri oluşturmak için RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersTransformsCatalog ve uzantı yöntemlerinin toplanması.

public static class MklComponentsCatalog

type MklComponentsCatalog = class

Public Module MklComponentsCatalog

Devralma

Object

MklComponentsCatalog

Yöntemler

Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	Doğrusal regresyon modeli kullanarak hedefi tahmin eden gelişmiş seçeneklerle oluşturma OlsTrainer .
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	Doğrusal regresyon modeli kullanarak hedefi tahmin eden oluşturma OlsTrainer.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)	Boole etiket verileri üzerinde eğitilmiş doğrusal bir ikili sınıflandırma modeli kullanarak hedefi tahmin eden oluşturma SymbolicSgdLogisticRegressionBinaryTrainer. Stokastik gradyan azalma (SGD), farklı bir nesnel işlevi en iyi duruma getiren yinelemeli bir algoritmadır. sembolik SymbolicSgdLogisticRegressionBinaryTraineryürütmeyi kullanarak SGD'yi paralelleştirir.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)	Boole etiket verileri üzerinde eğitilmiş doğrusal bir ikili sınıflandırma modeli kullanarak hedefi tahmin eden gelişmiş seçeneklerle oluşturun SymbolicSgdLogisticRegressionBinaryTrainer . Stokastik gradyan azalma (SGD), farklı bir nesnel işlevi en iyi duruma getiren yinelemeli bir algoritmadır. sembolik SymbolicSgdLogisticRegressionBinaryTraineryürütmeyi kullanarak SGD'yi paralelleştirir.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Bilinen kovaryans matrisine sahip rastgele değişkenlerden oluşan bir vektörle dolu sütunu, kovaryansları kimlik matrisi olan bir dizi yeni değişkene alır, yani bunların bağıntısız olduğu ve her birinin varyansı 1'dir.