共用方式為


MklComponentsCatalog 類別

定義

BinaryClassificationCatalog.BinaryClassificationTrainersTransformsCatalogRegressionCatalog.RegressionTrainers 擴充方法集合,以建立 MKL (數學核心程式庫) 定型器和轉換元件。

public static class MklComponentsCatalog
type MklComponentsCatalog = class
Public Module MklComponentsCatalog
繼承
MklComponentsCatalog

方法

Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)

OlsTrainer使用進階選項建立 ,以使用線性回歸模型預測目標。

Ols(RegressionCatalog+RegressionTrainers, String, String, String)

建立 OlsTrainer ,其會使用線性回歸模型預測目標。

SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)

建立 SymbolicSgdLogisticRegressionBinaryTrainer ,其會使用透過布林標籤資料定型的線性二進位分類模型來預測目標。 隨機漸層下降 (SGD) 是可優化不同目標函式的反復演算法。 會 SymbolicSgdLogisticRegressionBinaryTrainer 使用 符號執行來平行處理 SGD。

SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)

SymbolicSgdLogisticRegressionBinaryTrainer使用進階選項建立 ,其會使用透過布林值標籤資料定型的線性二元分類模型來預測目標。 隨機漸層下降 (SGD) 是可優化不同目標函式的反復演算法。 會 SymbolicSgdLogisticRegressionBinaryTrainer 使用 符號執行來平行處理 SGD。

VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)

使用具有已知共變數矩陣的隨機變數向量填入一組新的變數,其共變數是識別矩陣,這表示它們不相關,且每個變數都有變異數 1。

適用於