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.
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
Создание FastForestBinaryTrainer с дополнительными параметрами, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
Создание FastForestBinaryTrainer, которое прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)
|
Создание FastForestRegressionTrainer с дополнительными параметрами, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)
|
Создание FastForestRegressionTrainer, которое прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
Создание FastTreeBinaryTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью модели двоичной классификации дерева принятия решений.
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Создание FastTreeBinaryTrainer, которое прогнозирует целевой объект с помощью модели двоичной классификации дерева принятия решений.
|
|
FastTree(RankingCatalog+RankingTrainers, FastTreeRankingTrainer+Options)
|
Создайте расширенные FastTreeRankingTrainer параметры, которые ранжируют ряд входных данных на основе их релевантности с помощью модели ранжирования дерева принятия решений.
|
|
FastTree(RankingCatalog+RankingTrainers, String, String, String, String, Int32, Int32, Int32, Double)
|
FastTreeRankingTrainerСоздайте объект, который ранжирует ряд входных данных на основе их релевантности с помощью модели ранжирования дерева принятия решений.
|
|
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)
|
Создание FastTreeRegressionTrainer с дополнительными параметрами, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Создание FastTreeRegressionTrainer, которое прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
|
Создание FastTreeTweedieTrainer с помощью дополнительных параметров, которое прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Создание FastTreeTweedieTrainer, которое прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
|
|
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)
|
Создание FastForestBinaryFeaturizationEstimator, которое используется для FastForestBinaryTrainer обучения TreeEnsembleModelParameters для создания признаков на основе дерева.
|
|
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)
|
Создание FastForestRegressionFeaturizationEstimator, которое используется для FastForestRegressionTrainer обучения TreeEnsembleModelParameters для создания признаков на основе дерева.
|
|
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)
|
Создание FastTreeBinaryFeaturizationEstimator, которое используется для FastTreeBinaryTrainer обучения TreeEnsembleModelParameters для создания признаков на основе дерева.
|
|
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)
|
Создание FastTreeRankingFeaturizationEstimator, которое используется для FastTreeRankingTrainer обучения TreeEnsembleModelParameters для создания признаков на основе дерева.
|
|
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)
|
Создание FastTreeRegressionFeaturizationEstimator, которое используется для FastTreeRegressionTrainer обучения TreeEnsembleModelParameters для создания признаков на основе дерева.
|
|
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)
|
Создание FastTreeTweedieFeaturizationEstimator, которое используется для FastTreeTweedieTrainer обучения TreeEnsembleModelParameters для создания признаков на основе дерева.
|
|
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)
|
СозданиеPretrainedTreeFeaturizationEstimator, которое создает признаки на основе дерева, заданные .TreeEnsembleModelParameters
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
Создание GamBinaryTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью обобщенных аддитивных моделей (GAM).
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
Создание GamBinaryTrainer, которое прогнозирует целевой объект с помощью обобщенных аддитивных моделей (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)
|
Создание GamRegressionTrainer с помощью дополнительных параметров, которые прогнозируют целевой объект с помощью обобщенных аддитивных моделей (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)
|
Создание GamRegressionTrainer, которое прогнозирует целевой объект с помощью обобщенных аддитивных моделей (GAM).
|