|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
Utwórz FastForestBinaryTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
Utwórz FastForestBinaryTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)
|
Utwórz FastForestRegressionTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)
|
Utwórz FastForestRegressionTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
Utwórz FastTreeBinaryTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu klasyfikacji binarnej drzewa decyzyjnego.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Utwórz FastTreeBinaryTrainerelement , który przewiduje cel przy użyciu modelu klasyfikacji binarnej drzewa decyzyjnego.
|
|
FastTree(RankingCatalog+RankingTrainers, FastTreeRankingTrainer+Options)
|
Utwórz element FastTreeRankingTrainer z opcjami zaawansowanymi, które klasyfikują serię danych wejściowych na podstawie ich istotności, przy użyciu modelu klasyfikacji drzewa decyzyjnego.
|
|
FastTree(RankingCatalog+RankingTrainers, String, String, String, String, Int32, Int32, Int32, Double)
|
Utwórz element FastTreeRankingTrainer, który klasyfikuje serię danych wejściowych na podstawie ich istotności, przy użyciu modelu klasyfikacji drzewa decyzyjnego.
|
|
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)
|
Utwórz FastTreeRegressionTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Utwórz FastTreeRegressionTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
|
Utwórz FastTreeTweedieTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Utwórz FastTreeTweedieTrainerobiekt , który przewiduje cel przy użyciu modelu regresji drzewa decyzyjnego.
|
|
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)
|
Utwórz FastForestBinaryFeaturizationEstimatorelement , który będzie używany FastForestBinaryTrainer do trenowania TreeEnsembleModelParameters w celu utworzenia funkcji opartych na drzewie.
|
|
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)
|
Utwórz FastForestRegressionFeaturizationEstimatorelement , który będzie używany FastForestRegressionTrainer do trenowania TreeEnsembleModelParameters w celu utworzenia funkcji opartych na drzewie.
|
|
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)
|
Utwórz FastTreeBinaryFeaturizationEstimatorelement , który będzie używany FastTreeBinaryTrainer do trenowania TreeEnsembleModelParameters w celu utworzenia funkcji opartych na drzewie.
|
|
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)
|
Utwórz FastTreeRankingFeaturizationEstimatorelement , który będzie używany FastTreeRankingTrainer do trenowania TreeEnsembleModelParameters w celu utworzenia funkcji opartych na drzewie.
|
|
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)
|
Utwórz FastTreeRegressionFeaturizationEstimatorelement , który będzie używany FastTreeRegressionTrainer do trenowania TreeEnsembleModelParameters w celu utworzenia funkcji opartych na drzewie.
|
|
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)
|
Utwórz FastTreeTweedieFeaturizationEstimatorelement , który będzie używany FastTreeTweedieTrainer do trenowania TreeEnsembleModelParameters w celu utworzenia funkcji opartych na drzewie.
|
|
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)
|
Utwórz PretrainedTreeFeaturizationEstimatorelement , który tworzy funkcje oparte na drzewie na podstawie elementu TreeEnsembleModelParameters.
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
Utwórz GamBinaryTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu uogólnionych modeli addytywnego (GAM).
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
Utwórz GamBinaryTrainerelement , który przewiduje cel przy użyciu uogólnionych modeli addytywnego (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)
|
Utwórz GamRegressionTrainer przy użyciu opcji zaawansowanych, które przewidują cel przy użyciu uogólnionych modeli addytywnego (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)
|
Utwórz GamRegressionTrainerelement , który przewiduje cel przy użyciu uogólnionych modeli addytywnego (GAM).
|