|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
Erstellen Sie eine AveragedPerceptronTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen binären Klassifizierungsmodells vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
Erstellen Sie ein AveragedPerceptronTrainerZiel, das ein Ziel mithilfe eines linearen binären Klassifizierungsmodells vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
Erstellen Sie LbfgsLogisticRegressionBinaryTrainer mit erweiterten Optionen, die ein Ziel mit einem linearen binärklassifizierenden Klassifizierungsmodell vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Erstellen Sie LbfgsLogisticRegressionBinaryTrainerein Ziel, das ein Ziel mit einem linearen binärklassifizierenden Klassifizierungsmodell vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)
|
Erstellen Sie LbfgsMaximumEntropyMulticlassTrainer mit erweiterten Optionen, die ein Ziel mit einer maximalen Entropieklassifizierungsmodell mit der L-BFGS-Methode trainieren.
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Erstellen Sie LbfgsMaximumEntropyMulticlassTrainerein Ziel, das ein Ziel mithilfe eines maximalen Entropyklassifizierungsmodells angibt, das mit der L-BFGS-Methode trainiert wurde.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)
|
Erstellen Sie LbfgsPoissonRegressionTrainer erweiterte Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Erstellen Sie LbfgsPoissonRegressionTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
Erstellen Sie LdSvmTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines lokalen Deep SVM-Modells voraussagen.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
Erstellen Sie LdSvmTrainerein Ziel, das ein Ziel mithilfe eines lokalen Deep SVM-Modells vorhersagt.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
Erstellen Sie LinearSvmTrainer mit erweiterten Optionen, die ein Ziel mit einem linearen binärklassifizierenden Klassifizierungsmodell vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
Erstellen Sie LinearSvmTrainerein Ziel, das ein Ziel mit einem linearen binärklassifizierenden Klassifizierungsmodell vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)
|
Erstellen Sie ein NaiveBayesMulticlassTrainer, das ein multiklassiges Ziel mit einem Naive Bayes-Modell angibt, das binäre Featurewerte unterstützt.
|
|
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>,
String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32, Boolean)
|
Erstellen Sie ein , das ein OneVersusAllTrainermultiklassiges Ziel mit einer gegen alle Strategie mit der binärklassifizierenden binaryEstimatorBewertung vorausgibt.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
|
Erstellen Sie OnlineGradientDescentTrainer erweiterte Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
|
Erstellen Sie OnlineGradientDescentTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt.
|
|
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>,
TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32)
|
Erstellen Sie ein , das ein PairwiseCouplingTrainermultiklassiges Ziel mit der Kopplungsstrategie mit der binärklassifizierenden Stimator binaryEstimatorvorausgibt.
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
Erstellen Sie PriorTrainerein Ziel, das ein Ziel mithilfe eines binären Klassifizierungsmodells vorhersagt.
|
|
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)
|
Erstellen Sie SdcaRegressionTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt.
|
|
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Erstellen Sie SdcaRegressionTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
Erstellen Sie SdcaLogisticRegressionBinaryTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Erstellen Sie SdcaLogisticRegressionBinaryTrainerein Ziel, das ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)
|
Erstellen Sie SdcaMaximumEntropyMulticlassTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines maximalen Entropyklassifizierungsmodells, das mit einer Koordinatenabstiegsmethode trainiert wird.
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Erstellen Sie SdcaMaximumEntropyMulticlassTrainerein Ziel, das ein Ziel mithilfe eines maximalen Entropyklassifizierungsmodells angibt, das mit einer Koordinatenabstiegsmethode trainiert wurde.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
Erstellen Sie SdcaNonCalibratedBinaryTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Klassifizierungsmodells vorgibt, das über boolesche Bezeichnungsdaten trainiert wurde.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Erstellen Sie SdcaNonCalibratedBinaryTrainerein Ziel, das ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
|
Erstellen Sie SdcaNonCalibratedMulticlassTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Mehrklassenklassifizierungsmodells mit einer Koordinatenabstiegsmethode vorausgibt.
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
Erstellen Sie SdcaNonCalibratedMulticlassTrainerein Ziel, das ein Ziel mithilfe eines linearen Mehrklassenklassifizierungsmodells angibt, das mit einer Koordinatenabstiegsmethode trainiert wurde.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
Erstellen Sie SgdCalibratedTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
Stochastische Farbverlaufsabgänge (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
Erstellen Sie SgdCalibratedTrainerein Ziel, das ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
Stochastische Farbverlaufsabgänge (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
Erstellen Sie SgdNonCalibratedTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
Stochastische Farbverlaufsabgänge (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
Erstellen Sie SgdNonCalibratedTrainerein Ziel, das ein Ziel mithilfe eines linearen Klassifizierungsmodells vorhersagt.
Stochastische Farbverlaufsabgänge (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert.
|