|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)
|
부울 레이블 데이터를 통해 학습된 필드 인식 팩터리화 머신을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FieldAwareFactorizationMachineTrainer 다.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)
|
부울 레이블 데이터를 통해 학습된 필드 인식 팩터리화 머신을 사용하여 대상을 예측하는 를 만듭니 FieldAwareFactorizationMachineTrainer다.
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)
|
부울 레이블 데이터를 통해 학습된 필드 인식 팩터리화 머신을 사용하여 대상을 예측하는 를 만듭니 FieldAwareFactorizationMachineTrainer다.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)
|
그라데이션 강화 의사 결정 트리 이진 분류를 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LightGbmBinaryTrainer 다.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)
|
그라데이션 강화 의사 결정 트리 이진 분류를 사용하여 대상을 예측하는 미리 학습된 LightGBM 모델에서 만듭니 LightGbmBinaryTrainer 다.
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
그라데이션 강화 의사 결정 트리 이진 분류를 사용하여 대상을 예측하는 를 만듭니 LightGbmBinaryTrainer다.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
|
부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SymbolicSgdLogisticRegressionBinaryTrainer 다.
SGD(확률 그라데이션 하강)는 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
는 SymbolicSgdLogisticRegressionBinaryTrainer기호 실행을 사용하여 SGD를 병렬화합니다.
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
|
부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SymbolicSgdLogisticRegressionBinaryTrainer다.
SGD(확률 그라데이션 하강)는 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
는 SymbolicSgdLogisticRegressionBinaryTrainer기호 실행을 사용하여 SGD를 병렬화합니다.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
AveragedPerceptronTrainer 부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 을 만듭니다.
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
AveragedPerceptronTrainer부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 을 만듭니다.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LbfgsLogisticRegressionBinaryTrainer 다.
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 LbfgsLogisticRegressionBinaryTrainer다.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
로컬 Deep SVM 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LdSvmTrainer 다.
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
로컬 Deep SVM 모델을 사용하여 대상을 예측하는 를 만듭니 LdSvmTrainer다.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 LinearSvmTrainer 다.
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
부울 레이블 데이터를 통해 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 LinearSvmTrainer다.
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 PriorTrainer다.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 를 만듭니 SdcaLogisticRegressionBinaryTrainer 다.
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaLogisticRegressionBinaryTrainer다.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
부울 레이블 데이터를 통해 학습된 선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 SdcaNonCalibratedBinaryTrainer 다.
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SdcaNonCalibratedBinaryTrainer다.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 를 만듭니 SgdCalibratedTrainer 다.
SGD(확률 그라데이션 하강)는 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SgdCalibratedTrainer다.
SGD(확률 그라데이션 하강)는 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
선형 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 를 만듭니 SgdNonCalibratedTrainer 다.
SGD(확률 그라데이션 하강)는 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
선형 분류 모델을 사용하여 대상을 예측하는 를 만듭니 SgdNonCalibratedTrainer다.
SGD(확률 그라데이션 하강)는 다른 목표 함수를 최적화하는 반복 알고리즘입니다.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastForestBinaryTrainer 다.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
의사 결정 트리 회귀 모델을 사용하여 대상을 예측하는 를 만듭니 FastForestBinaryTrainer다.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
의사 결정 트리 이진 분류 모델을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 FastTreeBinaryTrainer 다.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
의사 결정 트리 이진 분류 모델을 사용하여 대상을 예측하는 를 만듭니 FastTreeBinaryTrainer다.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
일반화된 GAM(가산 모델)을 사용하여 대상을 예측하는 고급 옵션을 사용하여 만듭니 GamBinaryTrainer 다.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
일반화된 GAM(추가 모델)을 사용하여 대상을 예측하는 을 만듭니 GamBinaryTrainer다.
|