共用方式為


RegressionCatalog.RegressionTrainers 類別

定義

用來 MLContext 建立回歸定型器實例的類別。

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

擴充方法

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)

LightGbmRegressionTrainer使用進階選項建立,其會使用漸層提升判定樹回歸模型來預測目標。

LightGbm(RegressionCatalog+RegressionTrainers, Stream, String)

從預先定型的 LightGBM 模型建立 LightGbmRegressionTrainer ,以使用漸層提升判定樹回歸來預測目標。

LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

建立 LightGbmRegressionTrainer,其會使用漸層提升判定樹回歸模型來預測目標。

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來預測目標。

LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)

LbfgsPoissonRegressionTrainer使用進階選項建立,以使用線性回歸模型預測目標。

LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

建立 LbfgsPoissonRegressionTrainer,其會使用線性回歸模型來預測目標。

OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)

OnlineGradientDescentTrainer使用進階選項建立,以使用線性回歸模型預測目標。

OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)

建立 OnlineGradientDescentTrainer,其會使用線性回歸模型來預測目標。

Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)

SdcaRegressionTrainer使用進階選項建立 ,以使用線性回歸模型預測目標。

Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

建立 SdcaRegressionTrainer,其會使用線性回歸模型來預測目標。

FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)

FastForestRegressionTrainer使用進階選項建立 ,以使用判定樹回歸模型預測目標。

FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)

建立 FastForestRegressionTrainer,其會使用判定樹回歸模型來預測目標。

FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)

FastTreeRegressionTrainer使用進階選項建立 ,以使用判定樹回歸模型預測目標。

FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)

建立 FastTreeRegressionTrainer,其會使用判定樹回歸模型來預測目標。

FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)

FastTreeTweedieTrainer使用進階選項建立,以使用判定樹回歸模型預測目標。

FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)

建立 FastTreeTweedieTrainer,其會使用判定樹回歸模型來預測目標。

Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)

GamRegressionTrainer使用進階選項建立,使用一般化加法模型來預測目標, (GAM) 。

Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)

建立 GamRegressionTrainer,其會使用一般化加法模型來預測目標, (GAM) 。

適用於