共用方式為


Microsoft.ML.Trainers 命名空間

命名空間,其中包含定型器、模型參數和公用程式。

類別

AveragedLinearOptions

平均線性定型器的自變數類別。

AveragedLinearTrainer<TTransformer,TModel>

平均線性定型器基類。

AveragedPerceptronTrainer

IEstimator<TTransformer> 使用以平均感知器定型的線性二元分類模型來預測目標。

AveragedPerceptronTrainer.Options

AveragedPerceptronTrainer 所使用的 AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)選項。

CoefficientStatistics

表示係數統計數據物件,其中包含計算模型參數的相關統計數據。

ComputeLogisticRegressionStandardDeviation

計算每個非零定型權數的標準偏差矩陣,以進一步計算標準偏差、p 值和 z-Score。 在使用 Intel Math Kernel Library 的 Microsoft.ML.Mkl.Components 套件中使用這個類別的實作。 由於正則化存在,因此會使用近似值來計算定型線性係數的變異數。

ComputeLRTrainingStdThroughMkl

命名空間,其中包含定型器、模型參數和公用程式。

ExpLoss

指數遺失,通常用於分類工作。

ExponentialLRDecay

這個類別會實作指數學習速率衰減。 從 tensorflow 文件實作。 來源: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 學習速率的預設值和實作來自 Tensorflow 精簡模型測試。 來源: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py

FeatureContributionCalculator

支援特徵貢獻計算。

FieldAwareFactorizationMachineModelParameters

FieldAwareFactorizationMachineTrainer模型參數。

FieldAwareFactorizationMachinePredictionTransformer

命名空間,其中包含定型器、模型參數和公用程式。

FieldAwareFactorizationMachineTrainer

IEstimator<TTransformer> 使用使用隨機漸層方法定型的欄位感知因數化機器模型來預測目標。

FieldAwareFactorizationMachineTrainer.Options

FieldAwareFactorizationMachineTrainer.OptionsFieldAwareFactorizationMachineTrainer 用於 FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)

HingeLoss

轉軸遺失,通常用於分類工作。

KMeansModelParameters

命名空間,其中包含定型器、模型參數和公用程式。

KMeansTrainer

IEstimator<TTransformer>用來訓練 KMeans 叢集器的

KMeansTrainer.Options

KMeansTrainerKMeansTrainer (Options) 中使用的 選項

LbfgsLogisticRegressionBinaryTrainer

IEstimator<TTransformer> 使用使用 L-BFGS 方法定型的線性羅吉斯回歸模型來預測目標。

LbfgsLogisticRegressionBinaryTrainer.Options

LbfgsLogisticRegressionBinaryTrainer 所使用的 選項 LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

LbfgsMaximumEntropyMulticlassTrainer

IEstimator<TTransformer> 使用以 L-BFGS 方法定型的最大 entropy 多重類別分類器來預測目標。

LbfgsMaximumEntropyMulticlassTrainer.Options

LbfgsMaximumEntropyMulticlassTrainer.OptionsLbfgsMaximumEntropyMulticlassTrainer 用於 LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)

LbfgsPoissonRegressionTrainer

用於 IEstimator<TTransformer> 定型 Poisson 回歸模型的 。

LbfgsPoissonRegressionTrainer.Options

LbfgsPoissonRegressionTrainerLbfgsPoissonRegression (Options) 中使用的 選項

LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase

衍生自LbfgsTrainerBase<TOptions,TTransformer,TModel>之定型工具的基底選項類別。

LbfgsTrainerBase<TOptions,TTransformer,TModel>

L-BFGS 型定型定型者的基類。

LdSvmModelParameters

命名空間,其中包含定型器、模型參數和公用程式。

LdSvmTrainer

IEstimator<TTransformer> 使用使用本機深度 SVM 定型的非線性二進位分類模型來預測目標。

LdSvmTrainer.Options

命名空間,其中包含定型器、模型參數和公用程式。

LearningRateScheduler

這個抽象類會定義學習速率排程器。

LinearBinaryModelParameters

線性二進制定型估算器的模型參數類別。

LinearModelParameters

線性模型參數的基類。

LinearModelParameterStatistics

線性模型參數的統計數據。

LinearMulticlassModelParameters

多類別分類器的線性模型。 它會輸出其所有線性模型的原始分數,而且未提供任何可能輸出。

LinearMulticlassModelParametersBase

多類別分類器的常見線性模型。 LinearMulticlassModelParameters 包含每個類別的單一線性模型。

LinearRegressionModelParameters

線性回歸的模型參數。

LinearSvmTrainer

IEstimator<TTransformer> 使用以線性 SVM 定型的線性二元分類模型來預測目標。

LinearSvmTrainer.Options

LinearSvmTrainer 所使用的 LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)選項。

LinearTrainerBase<TTransformer,TModel>

命名空間,其中包含定型器、模型參數和公用程式。

LogLoss

記錄遺失,也稱為交叉 Entropy 遺失。 它通常用於分類工作。

LsrDecay

這個類別會實作線性縮放規則和 LR 衰減。 在 Tensorflow 中從 RESNET-CIFAR 基準檢驗採用的實作。 https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py

MatrixFactorizationTrainer

使用 IEstimator<TTransformer> 矩陣分解來預測矩陣中元素的 (也稱為 共同作業篩選 類型) 。

MatrixFactorizationTrainer.Options

MatrixFactorizationTrainer在 MatrixFactorization (Options) 中使用的 選項

MaximumEntropyModelParameters

多類別分類器的線性最大 entropy 模型。 它會輸出類別機率。 此模型也稱為多項羅吉斯回歸。 如需詳細資訊,請參閱 https://en.wikipedia.org/wiki/Multinomial_logistic_regression

MetaMulticlassTrainer<TTransformer,TModel>

命名空間,其中包含定型器、模型參數和公用程式。

ModelParametersBase<TOutput>

所有模型參數的泛型基類。

ModelStatisticsBase

線性模型參數的統計數據。

NaiveBayesMulticlassModelParameters

NaiveBayesMulticlassTrainer模型參數。

NaiveBayesMulticlassTrainer

用於 IEstimator<TTransformer> 定型支援二進位特徵值的多類別貝氏機率分類模型。

OlsModelParameters

OlsTrainer模型參數。

OlsTrainer

IEstimator<TTransformer> 用於使用 一般最小平方 (OLS) 來定型線性回歸模型,以估計線性回歸模型的參數。

OlsTrainer.Options

OlsTrainerOls (選項) 中所使用的 選項

OneVersusAllModelParameters

OneVersusAllTrainer模型參數。

OneVersusAllTrainer

IEstimator<TTransformer> 用於定型使用指定二元分類器的一與全部多類別分類器。

OnlineGradientDescentTrainer

IEstimator<TTransformer> 用於使用 在線漸層下降 (OGD) 來定型線性回歸模型,以估計線性回歸模型的參數。

OnlineGradientDescentTrainer.Options

OnlineGradientDescentTrainerOnlineGradientDescent (Options) 中使用的 選項

OnlineLinearOptions

在線線性定型工具的自變數類別。

OnlineLinearTrainer<TTransformer,TModel>

在線線性定型工具的基類。 在線訓練人員可以透過其他數據以累加方式更新。

PairwiseCouplingModelParameters

PairwiseCouplingTrainer模型參數。

PairwiseCouplingTrainer

用於 IEstimator<TTransformer> 定型使用指定二元分類器的配對結合多類別分類器。

PcaModelParameters

RandomizedPcaTrainer模型參數。

PoissonLoss

Poisson 回歸的 Poisson Loss 函式。

PoissonRegressionModelParameters

Poisson 回歸的模型參數。

PolynomialLRDecay

這個類別會實作多項式學習速率衰減。 從 tensorflow 文件實作。 來源: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 學習速率的預設值和實作來自 Tensorflow 精簡模型測試。 來源: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py

PriorModelParameters

PriorTrainer模型參數。

PriorTrainer

IEstimator<TTransformer> 用於使用二元分類模型預測目標。

RandomizedPcaTrainer

IEstimator<TTransformer> 用於使用隨機化 SVD 演算法來定型近似 PCA。

RandomizedPcaTrainer.Options

RandomizedPcaTrainerRandomizedPca (Options) 中使用的 選項

RegressionModelParameters

回歸的模型參數。

SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase

的選項 SdcaBinaryTrainerBase<TModelParameters>

SdcaBinaryTrainerBase<TModelParameters>

SDCA 是一種一般定型演算法,適用於 (一般化) 線性模型,例如支援向量機器、線性回歸、羅吉斯回歸等等。 SDCA 二元分類定型器系列包含數個密封成員: (1 個) SdcaNonCalibratedBinaryTrainer 支援一般遺失函式並傳 LinearBinaryModelParameters回 。 (2) SdcaLogisticRegressionBinaryTrainer 基本上會定型正規化羅吉斯回歸模型。 由於羅吉斯回歸自然會提供機率輸出,因此產生的模型類型為 CalibratedModelParametersBase<TSubModel,TCalibrator>。 其中 TSubModelLinearBinaryModelParameters ,且 TCalibrator PlattCalibrator

SdcaLogisticRegressionBinaryTrainer

使用 IEstimator<TTransformer> 隨機雙座標 ascent 方法定型二元羅吉斯回歸分類模型的 。 定型的模型經過 校正 ,而且可以將線性函式的輸出值饋送至 PlattCalibrator,以產生機率。

SdcaLogisticRegressionBinaryTrainer.Options

SdcaLogisticRegressionBinaryTrainerSdcaLogisticRegression 中所使用的選項 (選項)

SdcaMaximumEntropyMulticlassTrainer

使用 IEstimator<TTransformer> 最大 entropy 多重類別類別器預測目標的 。 定型的模型 MaximumEntropyModelParameters 會產生類別的機率。

SdcaMaximumEntropyMulticlassTrainer.Options

SdcaMaximumEntropyMulticlassTrainer.OptionsSdcaMaximumEntropyMulticlassTrainer 用於 SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

SdcaMulticlassTrainerBase<TModel>.MulticlassOptions

的選項 SdcaMulticlassTrainerBase<TModel>

SdcaMulticlassTrainerBase<TModel>

IEstimator<TTransformer> 使用以座標下降方法定型的線性多類別分類器模型來預測目標。 根據使用的遺失函式,定型的模型可以是最大 entropy 分類器或多類別支援向量機器。

SdcaNonCalibratedBinaryTrainer

使用 IEstimator<TTransformer> 隨機雙座標 ascent 方法定型二元羅吉斯回歸分類模型的 。

SdcaNonCalibratedBinaryTrainer.Options

的選項 SdcaNonCalibratedBinaryTrainer

SdcaNonCalibratedMulticlassTrainer

IEstimator<TTransformer> 用來使用線性多類別分類器預測目標。 定型的模型 LinearMulticlassModelParameters 會產生類別的機率。

SdcaNonCalibratedMulticlassTrainer.Options

SdcaNonCalibratedMulticlassTrainer.OptionsSdcaNonCalibratedMulticlassTrainer 用於 SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

SdcaRegressionTrainer

使用 IEstimator<TTransformer> 隨機雙座標 ascent 方法定型回歸模型的 。

SdcaRegressionTrainer.Options

的選項 SdcaRegressionTrainer

SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase

SDCA 型定型器的選項。

SdcaTrainerBase<TOptions,TTransformer,TModel>

命名空間,其中包含定型器、模型參數和公用程式。

SgdBinaryTrainerBase<TModel>.OptionsBase

命名空間,其中包含定型器、模型參數和公用程式。

SgdBinaryTrainerBase<TModel>

命名空間,其中包含定型器、模型參數和公用程式。

SgdCalibratedTrainer

使用 IEstimator<TTransformer> 平行隨機漸層方法定型羅吉斯回歸的 。 定型的模型經過 校正 ,而且可以將線性函式的輸出值饋送至 PlattCalibrator,以產生機率。

SgdCalibratedTrainer.Options

SgdCalibratedTrainer在 (Options) 中所使用之 的 選項

SgdNonCalibratedTrainer

使用 IEstimator<TTransformer> 平行隨機漸層方法定型羅吉斯回歸的 。

SgdNonCalibratedTrainer.Options

SgdNonCalibratedTrainer在 (Options) 中所使用之 的 選項

SmoothedHingeLoss

函式的 HingeLoss 平滑版本,通常用於分類工作。

SquaredLoss

平方損失,通常用於回歸工作。

StochasticTrainerBase<TTransformer,TModel>

命名空間,其中包含定型器、模型參數和公用程式。

SymbolicSgdLogisticRegressionBinaryTrainer

IEstimator<TTransformer> 使用以符號隨機漸層下降定型的線性二元分類模型來預測目標。

SymbolicSgdLogisticRegressionBinaryTrainer.Options

SymbolicSgdLogisticRegressionBinaryTrainer 所使用的 SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)選項。

TrainerEstimatorBase<TTransformer,TModel>

這代表「簡單定型器」的基本類別。 「簡單定型器」接受一個特徵數據行和一個標籤數據行,也可以選擇性地接受加權數據行。 它會產生「預測轉換器」。

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

這代表「簡單定型器」的基本類別。 「簡單定型器」接受一個特徵數據行和一個標籤數據行,也可以選擇性地接受加權數據行。 它會產生「預測轉換器」。

TrainerInputBase

所有定型器輸入的基類。

TrainerInputBaseWithGroupId

支援群組數據行之所有定型輸入的基類。

TrainerInputBaseWithLabel

支援 Label 資料行之所有定型輸入的基類。

TrainerInputBaseWithWeight

支援加權數據行之所有定型輸入的基類。

TweedieLoss

Tweedie 遺失,根據 Tweedie 分佈的記錄可能性。 此遺失函式用於 Tweedie 回歸。

UnsupervisedTrainerInputBaseWithWeight

支援加權數據行之所有未監督定型器輸入的基類。

結構

LsrDecay.LearningRateSchedulerItem

這個結構代表學習速率排程器項目類型

介面

ICalculateFeatureContribution

允許支援模型參數的功能貢獻計算。

IClassificationLoss

命名空間,其中包含定型器、模型參數和公用程式。

ILossFunction<TOutput,TLabel>

命名空間,其中包含定型器、模型參數和公用程式。

IRegressionLoss

命名空間,其中包含定型器、模型參數和公用程式。

IScalarLoss

命名空間,其中包含定型器、模型參數和公用程式。

ISupportSdcaClassificationLoss

命名空間,其中包含定型器、模型參數和公用程式。

ISupportSdcaLoss

遺失函式可能知道最佳雙重更新參考的封閉式解決方案:秒 (6.2) http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf

ISupportSdcaRegressionLoss

命名空間,其中包含定型器、模型參數和公用程式。

ITrainerEstimator<TTransformer,TModel>

定型工具估算器的介面。

列舉

KMeansTrainer.InitializationAlgorithm

命名空間,其中包含定型器、模型參數和公用程式。

MatrixFactorizationTrainer.LossFunctionType

遺失函式的類型。