MklComponentsCatalog Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Sammlung von Erweiterungsmethoden für RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersund TransformsCatalog um MKL (Math Kernel Library) Trainer und Transformationskomponenten zu erstellen.
public static class MklComponentsCatalogtype MklComponentsCatalog = classPublic Module MklComponentsCatalog- Vererbung
-
MklComponentsCatalog
Methoden
| Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Erstellen Sie OlsTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Erstellen Sie OlsTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32) |
Erstellen Sie SymbolicSgdLogisticRegressionBinaryTrainerein Ziel, das ein Ziel mit einem linearen binärklassifizierenden Klassifizierungsmodell vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde. Stochastische Farbverlaufsabgänge (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert. Die SymbolicSgdLogisticRegressionBinaryTrainer Parallelisierung von SGD mit symbolischer Ausführung. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options) |
Erstellen Sie SymbolicSgdLogisticRegressionBinaryTrainer mit erweiterten Optionen, die ein Ziel mit einem linearen binärklassifizierenden Klassifizierungsmodell vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde. Stochastische Farbverlaufsabgänge (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert. Die SymbolicSgdLogisticRegressionBinaryTrainer Parallelisierung von SGD mit symbolischer Ausführung. |
| VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32) |
Nimmt spalte, die mit einem Vektor zufälliger Variablen mit einer bekannten Kovarianzmatrix in eine Reihe neuer Variablen gefüllt ist, deren Kovarianz die Identitätsmatrix ist, d. h. sie sind nicht korreliert und jede hat Varianz 1. |