|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)
|
使用高级选项创建 FieldAwareFactorizationMachineTrainer ，该选项使用基于布尔标签数据训练的字段感知分解计算机来预测目标。
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String)
|
创建 FieldAwareFactorizationMachineTrainer，它使用基于布尔标签数据训练的字段感知分解计算机来预测目标。
|
|
FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, String[], String, String)
|
创建 FieldAwareFactorizationMachineTrainer，它使用基于布尔标签数据训练的字段感知分解计算机来预测目标。
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, LightGbmBinaryTrainer+Options)
|
使用高级选项创建 LightGbmBinaryTrainer ，该选项使用梯度提升决策树二元分类来预测目标。
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, Stream, String)
|
从预先训练的 LightGBM 模型创建 LightGbmBinaryTrainer ，该模型使用梯度提升决策树二元分类来预测目标。
|
|
LightGbm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
创建 LightGbmBinaryTrainer，它使用梯度提升决策树二元分类来预测目标。
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)
|
使用高级选项创建 SymbolicSgdLogisticRegressionBinaryTrainer ，该选项使用基于布尔标签数据训练的线性二元分类模型预测目标。
随机梯度下降 (SGD) 是一种迭代算法，可优化可区分目标函数。
使用SymbolicSgdLogisticRegressionBinaryTrainer符号执行并行化 SGD。
|
|
SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32)
|
创建 SymbolicSgdLogisticRegressionBinaryTrainer，它使用基于布尔标签数据训练的线性二元分类模型预测目标。
随机梯度下降 (SGD) 是一种迭代算法，可优化可区分目标函数。
使用SymbolicSgdLogisticRegressionBinaryTrainer符号执行并行化 SGD。
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
创建具有高级选项的 ， AveragedPerceptronTrainer 它使用基于布尔标签数据训练的线性二元分类模型来预测目标。
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
创建一个 AveragedPerceptronTrainer，它使用基于布尔标签数据训练的线性二元分类模型预测目标。
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
|
使用高级选项创建 LbfgsLogisticRegressionBinaryTrainer ，该选项使用基于布尔标签数据训练的线性二元分类模型预测目标。
|
|
LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
创建 LbfgsLogisticRegressionBinaryTrainer，它使用基于布尔标签数据训练的线性二元分类模型预测目标。
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)
|
使用高级选项创建 LdSvmTrainer ，该选项使用本地深度 SVM 模型预测目标。
|
|
LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)
|
创建 LdSvmTrainer，它使用本地深度 SVM 模型预测目标。
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
使用高级选项创建 LinearSvmTrainer ，该选项使用基于布尔标签数据训练的线性二元分类模型预测目标。
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)
|
创建 LinearSvmTrainer，它使用基于布尔标签数据训练的线性二元分类模型预测目标。
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
创建 PriorTrainer，它使用二元分类模型预测目标。
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)
|
使用高级选项创建 SdcaLogisticRegressionBinaryTrainer ，该选项使用线性分类模型预测目标。
|
|
SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
创建 SdcaLogisticRegressionBinaryTrainer，它使用线性分类模型预测目标。
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
使用高级选项创建 SdcaNonCalibratedBinaryTrainer ，该选项使用基于布尔标签数据训练的线性分类模型预测目标。
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
创建 SdcaNonCalibratedBinaryTrainer，它使用线性分类模型预测目标。
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)
|
使用高级选项创建 SgdCalibratedTrainer ，该选项使用线性分类模型预测目标。
随机梯度下降 (SGD) 是一种迭代算法，可优化可区分目标函数。
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
创建 SgdCalibratedTrainer，它使用线性分类模型预测目标。
随机梯度下降 (SGD) 是一种迭代算法，可优化可区分目标函数。
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)
|
使用高级选项创建 SgdNonCalibratedTrainer ，该选项使用线性分类模型预测目标。
随机梯度下降 (SGD) 是一种迭代算法，可优化可区分目标函数。
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
创建 SgdNonCalibratedTrainer，它使用线性分类模型预测目标。
随机梯度下降 (SGD) 是一种迭代算法，可优化可区分目标函数。
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
|
使用高级选项创建 FastForestBinaryTrainer ，该选项使用决策树回归模型预测目标。
|
|
FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
|
创建 FastForestBinaryTrainer，它使用决策树回归模型预测目标。
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, FastTreeBinaryTrainer+Options)
|
使用高级选项创建 FastTreeBinaryTrainer ，该选项使用决策树二元分类模型预测目标。
|
|
FastTree(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32, Double)
|
创建 FastTreeBinaryTrainer，它使用决策树二元分类模型预测目标。
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
|
使用高级选项创建 GamBinaryTrainer ，该选项使用通用加法模型 (GAM) 预测目标。
|
|
Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
|
创建 GamBinaryTrainer，它使用通用加法模型 (GAM) 预测目标。
|