AveragedLinearOptions
|
平均线性训练器的参数类。
|
AveragedLinearTrainer<TTransformer,TModel>
|
平均线性训练器的基类。
|
AveragedPerceptronTrainer
|
使用 IEstimator<TTransformer> 使用平均感知器训练的线性二元分类模型来预测目标的 。
|
AveragedPerceptronTrainer.Options
|
AveragedPerceptronTrainer中所用的 AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)的选项。
|
CoefficientStatistics
|
表示包含有关计算模型参数的统计信息的系数统计信息对象。
|
ComputeLogisticRegressionStandardDeviation
|
计算进一步计算标准偏差、p 值和 z 分数所需的每个非零训练权重的标准偏差矩阵。
在使用 Intel 数学内核库的 Microsoft.ML.Mkl.Components 包中使用此类的实现。
由于存在正则化,因此使用近似值来计算定型线性系数的方差。
|
ComputeLRTrainingStdThroughMkl
|
包含训练程序、模型参数和实用工具的命名空间。
|
ExpLoss
|
指数损失,通常用于分类任务。
|
ExponentialLRDecay
|
此类实现指数学习速率衰减。
从 tensorflow 文档实现。
源: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 学习率的默认值和实现来自 Tensorflow Slim 模型测试。
源: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
|
FeatureContributionCalculator
|
支持特征贡献计算。
|
FieldAwareFactorizationMachineModelParameters
|
的 FieldAwareFactorizationMachineTrainer模型参数。
|
FieldAwareFactorizationMachinePredictionTransformer
|
包含训练程序、模型参数和实用工具的命名空间。
|
FieldAwareFactorizationMachineTrainer
|
使用 IEstimator<TTransformer> 现场感知分解机模型预测目标,该模型使用随机梯度方法训练。
|
FieldAwareFactorizationMachineTrainer.Options
|
FieldAwareFactorizationMachineTrainer.Options , FieldAwareFactorizationMachineTrainer 如 在 中使用 FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)。
|
HingeLoss
|
铰链损失,通常用于分类任务。
|
KMeansModelParameters
|
包含训练程序、模型参数和实用工具的命名空间。
|
KMeansTrainer
|
IEstimator<TTransformer>用于训练 KMeans 群集的
|
KMeansTrainer.Options
|
KMeansTrainerKMeansTrainer 中使用的 选项 (选项) 。
|
LbfgsLogisticRegressionBinaryTrainer
|
使用 IEstimator<TTransformer> 使用 L-BFGS 方法训练的线性逻辑回归模型来预测目标的 。
|
LbfgsLogisticRegressionBinaryTrainer.Options
|
LbfgsLogisticRegressionBinaryTrainer中所用的 的选项LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
LbfgsMaximumEntropyMulticlassTrainer
|
使用 IEstimator<TTransformer> 使用 L-BFGS 方法训练的最大熵多类分类器来预测目标。
|
LbfgsMaximumEntropyMulticlassTrainer.Options
|
LbfgsMaximumEntropyMulticlassTrainer.Options , LbfgsMaximumEntropyMulticlassTrainer 如 在 中使用 LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)。
|
LbfgsPoissonRegressionTrainer
|
用于 IEstimator<TTransformer> 训练泊松回归模型的 。
|
LbfgsPoissonRegressionTrainer.Options
|
LbfgsPoissonRegressionTrainerLbfgsPoissonRegression 中使用的 选项 (选项) 。
|
LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase
|
派生自LbfgsTrainerBase<TOptions,TTransformer,TModel> 的训练器估算器的基选项类。
|
LbfgsTrainerBase<TOptions,TTransformer,TModel>
|
基于 L-BFGS 的训练器的基类。
|
LdSvmModelParameters
|
包含训练程序、模型参数和实用工具的命名空间。
|
LdSvmTrainer
|
使用 IEstimator<TTransformer> 使用本地深度 SVM 训练的非线性二元分类模型来预测目标的 。
|
LdSvmTrainer.Options
|
包含训练程序、模型参数和实用工具的命名空间。
|
LearningRateScheduler
|
此抽象类定义学习速率计划程序。
|
LinearBinaryModelParameters
|
线性二进制训练器估算器的模型参数类。
|
LinearModelParameters
|
线性模型参数的基类。
|
LinearModelParameterStatistics
|
线性模型参数的统计信息。
|
LinearMulticlassModelParameters
|
多类分类器的线性模型。 它输出其所有线性模型的原始分数,并且不提供可能输出。
|
LinearMulticlassModelParametersBase
|
多类分类器的常见线性模型。 LinearMulticlassModelParameters 每个类包含一个线性模型。
|
LinearRegressionModelParameters
|
线性回归的模型参数。
|
LinearSvmTrainer
|
用于 IEstimator<TTransformer> 使用线性 SVM 训练的线性二元分类模型预测目标的 。
|
LinearSvmTrainer.Options
|
LinearSvmTrainer中所用的 LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)的选项。
|
LinearTrainerBase<TTransformer,TModel>
|
包含训练程序、模型参数和实用工具的命名空间。
|
LogLoss
|
对数损失,也称为交叉熵损失。 它通常用于分类任务。
|
LsrDecay
|
此类实现线性缩放规则和 LR 衰减。
从 Tensorflow Slim 中的 RESNET-CIFAR 基准测试中采用的实现。
https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py
|
MatrixFactorizationTrainer
|
使用 IEstimator<TTransformer> 矩阵分解预测矩阵中的元素 (也称为 协作筛选) 类型。
|
MatrixFactorizationTrainer.Options
|
MatrixFactorizationTrainer在 MatrixFactorization (Options) 中使用的 选项。
|
MaximumEntropyModelParameters
|
多类分类器的线性最大熵模型。 它输出类概率。
此模型也称为多项式逻辑回归。
有关详细信息,请参阅 https://en.wikipedia.org/wiki/Multinomial_logistic_regression 。
|
MetaMulticlassTrainer<TTransformer,TModel>
|
包含训练程序、模型参数和实用工具的命名空间。
|
ModelParametersBase<TOutput>
|
所有模型参数的泛型基类。
|
ModelStatisticsBase
|
线性模型参数的统计信息。
|
NaiveBayesMulticlassModelParameters
|
的 NaiveBayesMulticlassTrainer模型参数。
|
NaiveBayesMulticlassTrainer
|
用于 IEstimator<TTransformer> 训练支持二进制特征值的多类 Naive Bayes 模型的 。
|
OlsModelParameters
|
的 OlsTrainer模型参数。
|
OlsTrainer
|
IEstimator<TTransformer>用于使用普通最小二乘法训练线性回归模型的 (OLS) ,用于估算线性回归模型的参数。
|
OlsTrainer.Options
|
OlsTrainerOls (选项) 中使用的 选项
|
OneVersusAllModelParameters
|
的 OneVersusAllTrainer模型参数。
|
OneVersusAllTrainer
|
用于 IEstimator<TTransformer> 训练使用指定二元分类器的一对多多类分类器。
|
OnlineGradientDescentTrainer
|
IEstimator<TTransformer>用于使用联机梯度下降训练线性回归模型的 (OGD) ,用于估算线性回归模型的参数。
|
OnlineGradientDescentTrainer.Options
|
OnlineGradientDescentTrainerOnlineGradientDescent (Options) 中使用的 选项。
|
OnlineLinearOptions
|
联机线性训练器的参数类。
|
OnlineLinearTrainer<TTransformer,TModel>
|
联机线性定型的基类。 可以使用其他数据以增量方式更新在线培训师。
|
PairwiseCouplingModelParameters
|
的 PairwiseCouplingTrainer模型参数。
|
PairwiseCouplingTrainer
|
用于 IEstimator<TTransformer> 训练使用指定二元分类器的成对耦合多类分类器的 。
|
PcaModelParameters
|
的 RandomizedPcaTrainer模型参数。
|
PoissonLoss
|
泊松回归的泊松损失函数。
|
PoissonRegressionModelParameters
|
泊松回归的模型参数。
|
PolynomialLRDecay
|
此类实现多项式学习速率衰减。
从 tensorflow 文档实现。
源: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 学习率的默认值和实现来自 Tensorflow Slim 模型测试。
源: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
|
PriorModelParameters
|
的 PriorTrainer模型参数。
|
PriorTrainer
|
用于 IEstimator<TTransformer> 使用二元分类模型预测目标的 。
|
RandomizedPcaTrainer
|
用于 IEstimator<TTransformer> 使用随机 SVD 算法训练近似 PCA 的 。
|
RandomizedPcaTrainer.Options
|
RandomizedPcaTrainerRandomizedPca (Options) 中使用的 选项。
|
RegressionModelParameters
|
回归的模型参数。
|
SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase
|
的选项 SdcaBinaryTrainerBase<TModelParameters>。
|
SdcaBinaryTrainerBase<TModelParameters>
|
SDCA 是一种通用训练算法,用于 (泛化) 线性模型,例如支持向量机、线性回归、逻辑回归等。 SDCA 二元分类训练器系列包括几个密封成员: (1) SdcaNonCalibratedBinaryTrainer 支持常规损失函数并返回 LinearBinaryModelParameters。
(2) SdcaLogisticRegressionBinaryTrainer 实质上训练正则化逻辑回归模型。 由于逻辑回归自然提供概率输出,因此生成的模型的类型为 CalibratedModelParametersBase<TSubModel,TCalibrator>。
其中 TSubModel 为 LinearBinaryModelParameters ,为 PlattCalibratorTCalibrator 。
|
SdcaLogisticRegressionBinaryTrainer
|
用于 IEstimator<TTransformer> 使用随机双坐标上升方法训练二元逻辑回归分类模型的 。
训练的模型 经过校准 ,可以通过将线性函数的输出值馈送到 来 PlattCalibrator生成概率。
|
SdcaLogisticRegressionBinaryTrainer.Options
|
SdcaLogisticRegressionBinaryTrainerSdcaLogisticRegression 中使用的 选项 (选项) 。
|
SdcaMaximumEntropyMulticlassTrainer
|
使用 IEstimator<TTransformer> 最大熵多类分类器预测目标的 。
训练的模型 MaximumEntropyModelParameters 生成类的概率。
|
SdcaMaximumEntropyMulticlassTrainer.Options
|
SdcaMaximumEntropyMulticlassTrainer.Options , SdcaMaximumEntropyMulticlassTrainer 用于 SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
SdcaMulticlassTrainerBase<TModel>.MulticlassOptions
|
的选项 SdcaMulticlassTrainerBase<TModel>。
|
SdcaMulticlassTrainerBase<TModel>
|
使用 IEstimator<TTransformer> 使用坐标下降方法训练的线性多类分类器模型预测目标的 。
根据所使用的损失函数,训练的模型可以是,例如,最大熵分类器或多类支持向量机。
|
SdcaNonCalibratedBinaryTrainer
|
用于 IEstimator<TTransformer> 使用随机双坐标上升方法训练二元逻辑回归分类模型的 。
|
SdcaNonCalibratedBinaryTrainer.Options
|
的选项 SdcaNonCalibratedBinaryTrainer。
|
SdcaNonCalibratedMulticlassTrainer
|
使用IEstimator<TTransformer> 线性多类分类器预测目标的 。
训练的模型 LinearMulticlassModelParameters 生成类的概率。
|
SdcaNonCalibratedMulticlassTrainer.Options
|
SdcaNonCalibratedMulticlassTrainer.Options , SdcaNonCalibratedMulticlassTrainer 如 在 中使用 SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)。
|
SdcaRegressionTrainer
|
用于 IEstimator<TTransformer> 使用随机双坐标上升方法训练回归模型的 。
|
SdcaRegressionTrainer.Options
|
的选项 SdcaRegressionTrainer。
|
SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase
|
基于 SDCA 的训练程序的选项。
|
SdcaTrainerBase<TOptions,TTransformer,TModel>
|
包含训练程序、模型参数和实用工具的命名空间。
|
SgdBinaryTrainerBase<TModel>.OptionsBase
|
包含训练程序、模型参数和实用工具的命名空间。
|
SgdBinaryTrainerBase<TModel>
|
包含训练程序、模型参数和实用工具的命名空间。
|
SgdCalibratedTrainer
|
用于 IEstimator<TTransformer> 使用并行随机梯度方法训练逻辑回归的 。
训练的模型 经过校准 ,可以通过将线性函数的输出值馈送到 来 PlattCalibrator生成概率。
|
SgdCalibratedTrainer.Options
|
SgdCalibratedTrainer在 SgdCalibrated (Options) 中使用的 选项。
|
SgdNonCalibratedTrainer
|
用于 IEstimator<TTransformer> 使用并行随机梯度方法训练逻辑回归的 。
|
SgdNonCalibratedTrainer.Options
|
SgdNonCalibratedTrainer在 SgdNonCalibrated (Options) 中使用的选项。
|
SmoothedHingeLoss
|
函数的 HingeLoss 平滑版本,通常用于分类任务。
|
SquaredLoss
|
平方损失,通常用于回归任务。
|
StochasticTrainerBase<TTransformer,TModel>
|
包含训练程序、模型参数和实用工具的命名空间。
|
SymbolicSgdLogisticRegressionBinaryTrainer
|
使用 IEstimator<TTransformer> 线性二元分类模型预测目标,该模型使用符号随机梯度下降进行训练。
|
SymbolicSgdLogisticRegressionBinaryTrainer.Options
|
SymbolicSgdLogisticRegressionBinaryTrainer中所用的 SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)的选项。
|
TrainerEstimatorBase<TTransformer,TModel>
|
这表示“简单训练器”的基本类。
“简单训练程序”接受一个特征列和一个标签列,也可以选择一个权重列。
它生成“预测转换器”。
|
TrainerEstimatorBaseWithGroupId<TTransformer,TModel>
|
这表示“简单训练器”的基本类。
“简单训练程序”接受一个特征列和一个标签列,也可以选择一个权重列。
它生成“预测转换器”。
|
TrainerInputBase
|
所有训练器输入的基类。
|
TrainerInputBaseWithGroupId
|
支持组列的所有训练器输入的基类。
|
TrainerInputBaseWithLabel
|
支持 Label 列的所有训练器输入的基类。
|
TrainerInputBaseWithWeight
|
支持权重列的所有训练器输入的基类。
|
TweedieLoss
|
Tweedie 损失,基于 Tweedie 分布的对数可能性。 此损失函数用于 Tweedie 回归。
|
UnsupervisedTrainerInputBaseWithWeight
|
支持权重列的所有不受监督的训练器输入的基类。
|