StandardTrainersCatalog クラス

定義

名前空間:

Microsoft.ML

アセンブリ:

Microsoft.ML.StandardTrainers.dll

パッケージ:

Microsoft.ML v3.0.1

、およびトレーナー コンポーネントのインスタンスを作成するための拡張メソッドRegressionCatalog.RegressionTrainersBinaryClassificationCatalog.BinaryClassificationTrainersMulticlassClassificationCatalog.MulticlassClassificationTrainersのコレクション。

public static class StandardTrainersCatalog

type StandardTrainersCatalog = class

Public Module StandardTrainersCatalog

継承

Object

StandardTrainersCatalog

メソッド

AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)	高度なオプションを AveragedPerceptronTrainer 作成します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)	AveragedPerceptronTrainerブール型ラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測する、作成します。
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)	高度なオプションを使用して作成 LbfgsLogisticRegressionBinaryTrainer します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測する作成 LbfgsLogisticRegressionBinaryTrainer。
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)	L-BFGS メソッドでトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する高度なオプションを使用して作成 LbfgsMaximumEntropyMulticlassTrainer します。
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	L-BFGS メソッドでトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する作成 LbfgsMaximumEntropyMulticlassTrainer。
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)	線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して作成 LbfgsPoissonRegressionTrainer します。
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	線形回帰モデルを使用してターゲットを予測する作成 LbfgsPoissonRegressionTrainer。
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)	Local Deep SVM モデルを使用してターゲットを予測する高度なオプションを使用して作成 LdSvmTrainer します。
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)	ローカル ディープ SVM モデルを使用してターゲットを予測する作成 LdSvmTrainer。
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)	高度なオプションを使用して作成 LinearSvmTrainer します。これは、ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測します。
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)	ブールラベル データでトレーニングされた線形二項分類モデルを使用してターゲットを予測する作成 LinearSvmTrainer。
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)	バイナリ特徴値を NaiveBayesMulticlassTrainerサポートする Naive Bayes モデルを使用して、多クラス ターゲットを予測する 、作成します。
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)	OneVersusAllTrainerで指定された二項分類推定器を使用して、一対全戦略を使用して多クラスターゲットを予測する、複数クラスのターゲットを作成しますbinaryEstimator。
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)	線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して作成 OnlineGradientDescentTrainer します。
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)	線形回帰モデルを使用してターゲットを予測する作成 OnlineGradientDescentTrainer。
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>, TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32)	PairwiseCouplingTrainerで指定された二項分類推定器を使用して、ペアワイズ結合戦略を使用して多クラスターゲットを予測する、複数クラスのターゲットを作成しますbinaryEstimator。
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)	二項分類モデルを使用してターゲットを予測する作成 PriorTrainer。
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)	線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して作成 SdcaRegressionTrainer します。
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	線形回帰モデルを使用してターゲットを予測する作成 SdcaRegressionTrainer。
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)	線形分類モデルを使用してターゲットを予測する高度なオプションを使用して作成 SdcaLogisticRegressionBinaryTrainer します。
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	線形分類モデルを使用してターゲットを予測する Create SdcaLogisticRegressionBinaryTrainer。
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)	座標降下法でトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する高度なオプションを使用して作成 SdcaMaximumEntropyMulticlassTrainer します。
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	座標降下法でトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する作成 SdcaMaximumEntropyMulticlassTrainer。
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)	高度なオプションを使用して作成 SdcaNonCalibratedBinaryTrainer します。これは、ブールラベル データでトレーニングされた線形分類モデルを使用してターゲットを予測します。
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	線形分類モデルを使用してターゲットを予測する Create SdcaNonCalibratedBinaryTrainer。
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)	高度なオプションを使用して作成 SdcaNonCalibratedMulticlassTrainer します。これは、座標降下法でトレーニングされた線形多クラス分類モデルを使用してターゲットを予測します。
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	座標降下法でトレーニングされた線形多クラス分類モデルを使用してターゲットを予測する作成 SdcaNonCalibratedMulticlassTrainer。
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)	線形分類モデルを使用してターゲットを予測する高度なオプションを使用して作成 SgdCalibratedTrainer します。 確率的勾配降下 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)	線形分類モデルを使用してターゲットを予測する Create SgdCalibratedTrainer。 確率的勾配降下 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)	線形分類モデルを使用してターゲットを予測する高度なオプションを使用して作成 SgdNonCalibratedTrainer します。 確率的勾配降下 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)	線形分類モデルを使用してターゲットを予測する Create SgdNonCalibratedTrainer。 確率的勾配降下 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。