Condividi tramite


BinaryClassificationCatalog.BinaryClassificationTrainers Classe

Definizione

Classe usata da MLContext per creare istanze di trainer di classificazione binaria.

public sealed class BinaryClassificationCatalog.BinaryClassificationTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase
type BinaryClassificationCatalog.BinaryClassificationTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase
Public NotInheritable Class BinaryClassificationCatalog.BinaryClassificationTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase
Ereditarietà
BinaryClassificationCatalog.BinaryClassificationTrainers

Metodi di estensione

FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)

Creare FieldAwareFactorizationMachineTrainer usando opzioni avanzate, che stimano una destinazione usando un computer a fattorizzazione con riconoscimento del campo sottoposto a training sui dati dell'etichetta booleana.

FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)

Creare FieldAwareFactorizationMachineTrainer, che stima una destinazione usando un computer a fattorizzazione con riconoscimento del campo sottoposto a training sui dati dell'etichetta booleana.

FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)

Creare FieldAwareFactorizationMachineTrainer, che stima una destinazione usando un computer a fattorizzazione con riconoscimento del campo sottoposto a training sui dati dell'etichetta booleana.

LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)

Creare LightGbmBinaryTrainer con opzioni avanzate, che stimano una destinazione usando una classificazione binaria dell'albero delle decisioni con aumento della sfumatura.

LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)

Creare LightGbmBinaryTrainer da un modello LightGBM con training preliminare, che stima una destinazione usando una classificazione binaria dell'albero delle decisioni con aumento della sfumatura.

LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

Creare LightGbmBinaryTrainer, che stima una destinazione usando una classificazione binaria dell'albero delle decisioni con aumento della sfumatura.

SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)

Creare SymbolicSgdLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. L'oggetto SymbolicSgdLogisticRegressionBinaryTrainer SGD viene parallelizzato usando l'esecuzione simbolica.

SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)

Creare SymbolicSgdLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. L'oggetto SymbolicSgdLogisticRegressionBinaryTrainer SGD viene parallelizzato usando l'esecuzione simbolica.

AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)

Creare un oggetto AveragedPerceptronTrainer con opzioni avanzate, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.

AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)

Creare un AveragedPerceptronTraineroggetto , che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.

LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

Creare LbfgsLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.

LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

Creare LbfgsLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.

LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)

Creare LdSvmTrainer con opzioni avanzate, che stimano una destinazione usando un modello SVM deep locale.

LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)

Creare LdSvmTrainer, che stima una destinazione usando un modello SVM deep locale.

LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)

Creare LinearSvmTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.

LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)

Creare LinearSvmTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati dell'etichetta booleana.

Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)

Creare PriorTrainer, che stima una destinazione usando un modello di classificazione binaria.

SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)

Creare SdcaLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare.

SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

Creare SdcaLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione lineare.

SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)

Creare SdcaNonCalibratedBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare sottoposto a training sui dati dell'etichetta booleana.

SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

Creare SdcaNonCalibratedBinaryTrainer, che stima una destinazione usando un modello di classificazione lineare.

SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)

Creare SgdCalibratedTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.

SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)

Creare SgdCalibratedTrainer, che stima una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.

SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)

Creare SgdNonCalibratedTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.

SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)

Creare SgdNonCalibratedTrainer, che stima una destinazione usando un modello di classificazione lineare. La discesa della sfumatura stochastica (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile.

FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)

Creare FastForestBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione dell'albero delle decisioni.

FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)

Creare FastForestBinaryTrainer, che stima una destinazione usando un modello di regressione dell'albero delle decisioni.

FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)

Creare FastTreeBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria dell'albero delle decisioni.

FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)

Creare FastTreeBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria dell'albero delle decisioni.

Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)

Creare GamBinaryTrainer usando opzioni avanzate, che stimano una destinazione usando modelli additivi generalizzati (GAM).

Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)

Creare GamBinaryTrainer, che stima una destinazione usando modelli additivi generalizzati (GAM).

Si applica a