共用方式為


MulticlassClassificationCatalog.MulticlassClassificationTrainers 類別

定義

用來 MLContext 建立多類別分類定型器實例的類別。

public sealed class MulticlassClassificationCatalog.MulticlassClassificationTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase
type MulticlassClassificationCatalog.MulticlassClassificationTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase
Public NotInheritable Class MulticlassClassificationCatalog.MulticlassClassificationTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase
繼承
MulticlassClassificationCatalog.MulticlassClassificationTrainers

擴充方法

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LightGbmMulticlassTrainer+Options)

LightGbmMulticlassTrainer使用進階選項建立 ,其會使用漸層提升判定樹的多類別分類模型來預測目標。

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, Stream, String)

從預先定型的 LightGBM 模型建立 LightGbmMulticlassTrainer ,其會使用漸層提升判定樹的多類別分類模型來預測目標。

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

建立 LightGbmMulticlassTrainer,其會使用漸層提升判定樹的多類別分類模型來預測目標。

LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)

LbfgsMaximumEntropyMulticlassTrainer使用進階選項建立 ,使用以 L-BFGS 方法定型的最大 Entropy 分類模型來預測目標。

LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

建立 LbfgsMaximumEntropyMulticlassTrainer,其會使用以 L-BFGS 方法定型的最大 Entropy 分類模型來預測目標。

NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)

建立 , NaiveBayesMulticlassTrainer其會使用支援二進位特徵值的貝氏機率分類模型來預測多類別目標。

OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)

建立 , OneVersusAllTrainer其會使用單一與全部策略搭配 所 binaryEstimator指定的二元分類估算器來預測多類別目標。

PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>, TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32)

建立 , PairwiseCouplingTrainer以搭配 所 binaryEstimator指定的二元分類估算器,使用配對結合策略來預測多類別目標。

SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)

SdcaMaximumEntropyMulticlassTrainer使用進階選項建立 ,使用以座標下降方法定型的最大 Entropy 分類模型來預測目標。

SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

建立 SdcaMaximumEntropyMulticlassTrainer,其會使用以座標下降方法定型的最大 Entropy 分類模型來預測目標。

SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)

使用 SdcaNonCalibratedMulticlassTrainer 進階選項建立 ,使用以座標下降方法定型的線性多類別分類模型來預測目標。

SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

建立 SdcaNonCalibratedMulticlassTrainer,其會使用以座標下降方法定型的線性多類別分類模型來預測目標。

ImageClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ImageClassificationTrainer+Options)

ImageClassificationTrainer使用進階選項建立,以將深度類神經網路定型 (DNN) 來分類影像。

ImageClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, IDataView)

建立 ImageClassificationTrainer,將深度類神經網路定型 (DNN) 來分類影像。

適用於