共用方式為


TreeExtensions 類別

定義

BinaryClassificationCatalogMulticlassClassificationCatalogRankingCatalogTransformsCatalog 用來 RegressionCatalog 建立決策樹定型器和特徵化工具實例的擴充方法集合。

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

方法

FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)

FastForestBinaryTrainer使用進階選項建立 ,以使用決策樹回歸模型預測目標。

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

建立 FastForestBinaryTrainer ,其會使用決策樹回歸模型預測目標。

FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)

FastForestRegressionTrainer使用進階選項建立 ,以使用決策樹回歸模型預測目標。

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

建立 FastForestRegressionTrainer ,其會使用決策樹回歸模型預測目標。

FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)

FastTreeBinaryTrainer使用進階選項建立 ,其會使用決策樹二進位分類模型來預測目標。

FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)

建立 FastTreeBinaryTrainer ,其會使用決策樹二元分類模型來預測目標。

FastTree(RankingCatalog+RankingTrainers, FastTreeRankingTrainer+Options)

FastTreeRankingTrainer使用決策樹排名模型,建立具有進階選項的 ,以根據輸入的相關性來排名一系列輸入。

FastTree(RankingCatalog+RankingTrainers, String, String, String, String, Int32, Int32, Int32, Double)

使用 FastTreeRankingTrainer 決策樹排名模型,建立一系列輸入的排名依據其相關性。

FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)

FastTreeRegressionTrainer使用進階選項建立 ,以使用決策樹回歸模型預測目標。

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

建立 FastTreeRegressionTrainer ,其會使用決策樹回歸模型預測目標。

FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)

FastTreeTweedieTrainer使用進階選項建立,以使用決策樹回歸模型預測目標。

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

建立 FastTreeTweedieTrainer ,其會使用決策樹回歸模型預測目標。

FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)

建立 FastForestBinaryFeaturizationEstimator ,用來 FastForestBinaryTrainer 定型 TreeEnsembleModelParameters 以建立樹狀結構型功能。

FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)

建立 FastForestRegressionFeaturizationEstimator ,用來 FastForestRegressionTrainer 定型 TreeEnsembleModelParameters 以建立樹狀結構型功能。

FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)

建立 FastTreeBinaryFeaturizationEstimator ,用來 FastTreeBinaryTrainer 定型 TreeEnsembleModelParameters 以建立樹狀結構型功能。

FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)

建立 FastTreeRankingFeaturizationEstimator ,用來 FastTreeRankingTrainer 定型 TreeEnsembleModelParameters 以建立樹狀結構型功能。

FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)

建立 FastTreeRegressionFeaturizationEstimator ,用來 FastTreeRegressionTrainer 定型 TreeEnsembleModelParameters 以建立樹狀結構型功能。

FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)

建立 FastTreeTweedieFeaturizationEstimator ,用來 FastTreeTweedieTrainer 定型 TreeEnsembleModelParameters 以建立樹狀結構型功能。

FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)

建立 PretrainedTreeFeaturizationEstimator ,其會產生給定 TreeEnsembleModelParameters 的樹狀結構型功能。

Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)

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

Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)

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

Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)

GamRegressionTrainer使用進階選項建立,其會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