ComputeLogisticRegressionStandardDeviation Класс
Определение
Важно!
Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.
Вычисляет стандартную матрицу отклонений каждого из ненулевых весов обучения, необходимую для дальнейшего вычисления стандартного отклонения, p-значения и z-оценки. Используйте реализацию этого класса в пакете Microsoft.ML.Mkl.Components, который использует библиотеку intel Math Kernel Library. Из-за существования регуляризации для вычисления отклонений обученных линейных коэффициентов используется аппроксимация.
public abstract class ComputeLogisticRegressionStandardDeviation
type ComputeLogisticRegressionStandardDeviation = class
Public MustInherit Class ComputeLogisticRegressionStandardDeviation
- Наследование
-
ComputeLogisticRegressionStandardDeviation
- Производный
Конструкторы
ComputeLogisticRegressionStandardDeviation() |
Вычисляет стандартную матрицу отклонений каждого из ненулевых весов обучения, необходимую для дальнейшего вычисления стандартного отклонения, p-значения и z-оценки. Используйте реализацию этого класса в пакете Microsoft.ML.Mkl.Components, который использует библиотеку intel Math Kernel Library. Из-за существования регуляризации для вычисления отклонений обученных линейных коэффициентов используется аппроксимация. |
Методы
ComputeStandardDeviation(Double[], Int32[], Int32, Int32, IChannel, Single) |
Вычисляет стандартную матрицу отклонений каждого из ненулевых весов обучения, необходимую для дальнейшего вычисления стандартного отклонения, p-значения и z-оценки. Вычисления не являются частью пакета Microsoft.ML из-за размера MKL. Если вам нужны эти вычисления, добавьте пакет Microsoft.ML.Mkl.Components и инициализируйте ComputeStandardDeviation его ComputeLogisticRegressionStandardDeviation в реализации в пакете Microsoft.ML.Mkl.Components. Из-за существования регуляризации для вычисления отклонений обученных линейных коэффициентов используется аппроксимация. |