BinaryClassificationCatalog.BinaryClassificationTrainers クラス

定義

二項分類 MLContext トレーナーのインスタンスを作成するためにによって使用されるクラス。

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

拡張メソッド

FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)

FieldAwareFactorizationMachineTrainer高度なオプションを使用して作成します。これは、ブール型ラベルデータに対してトレーニングを受けた、フィールド対応の因子分解コンピューターを使用してターゲットを予測します。

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

を作成し FieldAwareFactorizationMachineTrainer ます。これは、ブール型ラベルデータに対してトレーニングを受けた、フィールド対応の因子分解コンピューターを使用してターゲットを予測します。

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

を作成し FieldAwareFactorizationMachineTrainer ます。これは、ブール型ラベルデータに対してトレーニングを受けた、フィールド対応の因子分解コンピューターを使用してターゲットを予測します。

LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)

高度なオプションを指定して作成し LightGbmBinaryTrainer ます。これは、グラデーションブーストデシジョンツリーの二項分類を使用してターゲットを予測します。

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

作成し LightGbmBinaryTrainer ます。これは、グラデーションブーストデシジョンツリーの二項分類を使用してターゲットを予測します。

SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)

SymbolicSgdLogisticRegressionBinaryTrainer高度なオプションを指定して作成します。これは、ブール型ラベルデータに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。 ストキャスティクス勾配降下 (SGD) は、differentiable 目標関数を最適化する反復アルゴリズムです。 SymbolicSgdLogisticRegressionBinaryTrainerシンボリック実行を使用する並列化 SGD。

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

を作成し SymbolicSgdLogisticRegressionBinaryTrainer ます。これは、ブール型ラベルデータに対してトレーニングした線形二項分類モデルを使用してターゲットを予測します。 ストキャスティクス勾配降下 (SGD) は、differentiable 目標関数を最適化する反復アルゴリズムです。 SymbolicSgdLogisticRegressionBinaryTrainerシンボリック実行を使用する並列化 SGD。

AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)

AveragedPerceptronTrainerブール型ラベルデータに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測する、高度なオプションを使用してを作成します。

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

AveragedPerceptronTrainerブール型ラベルデータに対してトレーニングした線形二項分類モデルを使用してターゲットを予測するを作成します。

LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

LbfgsLogisticRegressionBinaryTrainer高度なオプションを指定して作成します。これは、ブール型ラベルデータに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

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

を作成し LbfgsLogisticRegressionBinaryTrainer ます。これは、ブール型ラベルデータに対してトレーニングした線形二項分類モデルを使用してターゲットを予測します。

LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)

LdSvmTrainer詳細設定オプションを指定して作成します。これは、ローカルの DEEP SVM モデルを使用してターゲットを予測します。

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

を作成し LdSvmTrainer ます。これは、ローカルの DEEP SVM モデルを使用してターゲットを予測します。

LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)

LinearSvmTrainer高度なオプションを指定して作成します。これは、ブール型ラベルデータに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

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

を作成し LinearSvmTrainer ます。これは、ブール型ラベルデータに対してトレーニングした線形二項分類モデルを使用してターゲットを予測します。

Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)

を作成し PriorTrainer ます。二項分類モデルを使用してターゲットを予測します。

SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)

SdcaLogisticRegressionBinaryTrainer詳細設定オプションを指定して作成します。線形分類モデルを使用してターゲットを予測します。

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

Create。 SdcaLogisticRegressionBinaryTrainer 線形分類モデルを使用してターゲットを予測します。

SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)

SdcaNonCalibratedBinaryTrainer高度なオプションを指定して作成します。これは、ブール型ラベルデータに対してトレーニングされた線形分類モデルを使用してターゲットを予測します。

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

Create。 SdcaNonCalibratedBinaryTrainer 線形分類モデルを使用してターゲットを予測します。

SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)

SgdCalibratedTrainer詳細設定オプションを指定して作成します。線形分類モデルを使用してターゲットを予測します。 ストキャスティクス勾配降下 (SGD) は、differentiable 目標関数を最適化する反復アルゴリズムです。

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

Create。 SgdCalibratedTrainer 線形分類モデルを使用してターゲットを予測します。 ストキャスティクス勾配降下 (SGD) は、differentiable 目標関数を最適化する反復アルゴリズムです。

SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)

SgdNonCalibratedTrainer詳細設定オプションを指定して作成します。線形分類モデルを使用してターゲットを予測します。 ストキャスティクス勾配降下 (SGD) は、differentiable 目標関数を最適化する反復アルゴリズムです。

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

Create。 SgdNonCalibratedTrainer 線形分類モデルを使用してターゲットを予測します。 ストキャスティクス勾配降下 (SGD) は、differentiable 目標関数を最適化する反復アルゴリズムです。

FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)

FastForestBinaryTrainerデシジョンツリー回帰モデルを使用してターゲットを予測する高度なオプションを使用して作成します。

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

FastForestBinaryTrainerデシジョンツリー回帰モデルを使用してターゲットを予測するを作成します。

FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)

デシジョンツリーの二項分類 FastTreeBinaryTrainer モデルを使用してターゲットを予測する高度なオプションを使用して作成します。

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

FastTreeBinaryTrainerデシジョンツリー二項分類モデルを使用してターゲットを予測するを作成します。

Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)

GamBinaryTrainer一般化された加法モデル (GAM) を使用してターゲットを予測する高度なオプションを使用して作成します。

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

を作成し GamBinaryTrainer ます。これにより、一般化された加法モデル (GAM) を使用してターゲットが予測されます。

適用対象