RegressionCatalog.RegressionTrainers Класс

Определение

Пространство имен:

Microsoft.ML

Сборка:

Microsoft.ML.Data.dll

Пакет:

Microsoft.ML v2.0.0

Класс, используемый для MLContext создания экземпляров инструкторов регрессии.

public sealed class RegressionCatalog.RegressionTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase

type RegressionCatalog.RegressionTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

Наследование

Object

TrainCatalogBase.CatalogInstantiatorBase

RegressionCatalog.RegressionTrainers

Методы расширения

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)	Создайте LightGbmRegressionTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений с повышением градиента.
LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	Создайте LightGbmRegressionTrainer, который прогнозирует целевой объект с помощью модели регрессии дерева принятия решений с повышением градиента.
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	Создание OlsTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью модели линейной регрессии.
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	Создайте OlsTrainerобъект , который прогнозирует целевой объект с помощью модели линейной регрессии.
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)	Создание LbfgsPoissonRegressionTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью модели линейной регрессии.
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	Создайте LbfgsPoissonRegressionTrainerобъект , который прогнозирует целевой объект с помощью модели линейной регрессии.
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)	Создание OnlineGradientDescentTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью модели линейной регрессии.
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)	Создайте OnlineGradientDescentTrainerобъект , который прогнозирует целевой объект с помощью модели линейной регрессии.
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)	Создание SdcaRegressionTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью модели линейной регрессии.
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	Создайте SdcaRegressionTrainerобъект , который прогнозирует целевой объект с помощью модели линейной регрессии.
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)	Создание FastForestRegressionTrainer с расширенными параметрами, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений.
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)	Создайте FastForestRegressionTrainer, который прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)	Создание FastTreeRegressionTrainer с расширенными параметрами, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений.
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	Создайте FastTreeRegressionTrainer, который прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)	Создайте FastTreeTweedieTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью модели регрессии дерева принятия решений.
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	Создайте FastTreeTweedieTrainer, который прогнозирует целевой объект с помощью модели регрессии дерева принятия решений.
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)	Создание GamRegressionTrainer с помощью расширенных параметров, которые прогнозируют целевой объект с помощью обобщенных аддитивных моделей (GAM).
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)	Создайте GamRegressionTrainer, который прогнозирует целевой объект с помощью обобщенных аддитивных моделей (GAM).