MklComponentsCatalog 類別

定義

命名空間:

Microsoft.ML

組件:

Microsoft.ML.Mkl.Components.dll

套件:

Microsoft.ML.Mkl.Components v3.0.1

、 BinaryClassificationCatalog.BinaryClassificationTrainers 和 TransformsCatalog 的 RegressionCatalog.RegressionTrainers 擴充方法集合，以建立 MKL (數學核心程式庫) 定型器和轉換元件。

public static class MklComponentsCatalog

type MklComponentsCatalog = class

Public Module MklComponentsCatalog

繼承

Object

MklComponentsCatalog

方法

Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	OlsTrainer使用進階選項建立 ，以使用線性回歸模型預測目標。
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	建立 OlsTrainer ，其會使用線性回歸模型預測目標。
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)	建立 SymbolicSgdLogisticRegressionBinaryTrainer ，其會使用透過布林標籤資料定型的線性二進位分類模型來預測目標。 隨機漸層下降 (SGD) 是可優化不同目標函式的反復演算法。 會 SymbolicSgdLogisticRegressionBinaryTrainer 使用 符號執行來平行處理 SGD。
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)	SymbolicSgdLogisticRegressionBinaryTrainer使用進階選項建立 ，其會使用透過布林值標籤資料定型的線性二元分類模型來預測目標。 隨機漸層下降 (SGD) 是可優化不同目標函式的反復演算法。 會 SymbolicSgdLogisticRegressionBinaryTrainer 使用 符號執行來平行處理 SGD。
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	使用具有已知共變數矩陣的隨機變數向量填入一組新的變數，其共變數是識別矩陣，這表示它們不相關，且每個變數都有變異數 1。