MklComponentsCatalog Classe

Definizione

Spazio dei nomi:

Microsoft.ML

Assembly:

Microsoft.ML.Mkl.Components.dll

Pacchetto:

Microsoft.ML.Mkl.Components v3.0.1

Raccolta di metodi di estensione per RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerse TransformsCatalog per creare componenti di training e trasformazione MKL (Math Kernel Library).

public static class MklComponentsCatalog

type MklComponentsCatalog = class

Public Module MklComponentsCatalog

Ereditarietà

Object

MklComponentsCatalog

Metodi

Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	Creare OlsTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione lineare.
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	Creare OlsTrainer, che stima una destinazione usando un modello di regressione lineare.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)	Creare SymbolicSgdLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. L'oggetto SymbolicSgdLogisticRegressionBinaryTrainer SGD viene parallelizzato usando l'esecuzione simbolica.
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)	Creare SymbolicSgdLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. L'oggetto SymbolicSgdLogisticRegressionBinaryTrainer SGD viene parallelizzato usando l'esecuzione simbolica.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Accetta la colonna riempita con un vettore di variabili casuali con una matrice covarianza nota in un set di nuove variabili la cui covarianza è la matrice di identità, ovvero che non sono correlate e ognuna ha varianza 1.