MulticlassClassificationCatalog.MulticlassClassificationTrainers 類別

定義

命名空間:

Microsoft.ML

組件:

Microsoft.ML.Data.dll

套件:

Microsoft.ML v3.0.1

用來 MLContext 建立多類別分類定型器實例的類別。

public sealed class MulticlassClassificationCatalog.MulticlassClassificationTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase

type MulticlassClassificationCatalog.MulticlassClassificationTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class MulticlassClassificationCatalog.MulticlassClassificationTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

繼承

Object

TrainCatalogBase.CatalogInstantiatorBase

MulticlassClassificationCatalog.MulticlassClassificationTrainers

擴充方法

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LightGbmMulticlassTrainer+Options)	LightGbmMulticlassTrainer使用進階選項建立 ，其會使用漸層提升判定樹的多類別分類模型來預測目標。
LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, Stream, String)	從預先定型的 LightGBM 模型建立 LightGbmMulticlassTrainer ，其會使用漸層提升判定樹的多類別分類模型來預測目標。
LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	建立 LightGbmMulticlassTrainer，其會使用漸層提升判定樹的多類別分類模型來預測目標。
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)	LbfgsMaximumEntropyMulticlassTrainer使用進階選項建立 ，使用以 L-BFGS 方法定型的最大 Entropy 分類模型來預測目標。
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	建立 LbfgsMaximumEntropyMulticlassTrainer，其會使用以 L-BFGS 方法定型的最大 Entropy 分類模型來預測目標。
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)	建立 ， NaiveBayesMulticlassTrainer其會使用支援二進位特徵值的貝氏機率分類模型來預測多類別目標。
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)	建立 ， OneVersusAllTrainer其會使用單一與全部策略搭配 所 binaryEstimator指定的二元分類估算器來預測多類別目標。
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>, TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32)	建立 ， PairwiseCouplingTrainer以搭配 所 binaryEstimator指定的二元分類估算器，使用配對結合策略來預測多類別目標。
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)	SdcaMaximumEntropyMulticlassTrainer使用進階選項建立 ，使用以座標下降方法定型的最大 Entropy 分類模型來預測目標。
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	建立 SdcaMaximumEntropyMulticlassTrainer，其會使用以座標下降方法定型的最大 Entropy 分類模型來預測目標。
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)	使用 SdcaNonCalibratedMulticlassTrainer 進階選項建立 ，使用以座標下降方法定型的線性多類別分類模型來預測目標。
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	建立 SdcaNonCalibratedMulticlassTrainer，其會使用以座標下降方法定型的線性多類別分類模型來預測目標。
ImageClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ImageClassificationTrainer+Options)	ImageClassificationTrainer使用進階選項建立，以將深度類神經網路定型 (DNN) 來分類影像。
ImageClassification(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, String, IDataView)	建立 ImageClassificationTrainer，將深度類神經網路定型 (DNN) 來分類影像。