LightGbmExtensions 类

定义

public static class LightGbmExtensions
type LightGbmExtensions = class
Public Module LightGbmExtensions
继承
LightGbmExtensions

方法

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。

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LightGbmMulticlassTrainer+Options)

使用高级选项创建 LightGbmMulticlassTrainer ,该选项使用梯度提升决策树多类分类模型预测目标。

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, Stream, String)

从预先训练的 LightGBM 模型创建 LightGbmMulticlassTrainer ,该模型使用梯度提升决策树多类分类模型预测目标。

LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

创建 LightGbmMulticlassTrainer,它使用梯度提升决策树多类分类模型预测目标。

LightGbm(RankingCatalog+RankingTrainers, LightGbmRankingTrainer+Options)

使用高级选项创建 LightGbmRankingTrainer ,该选项使用梯度提升决策树排名模型预测目标。

LightGbm(RankingCatalog+RankingTrainers, Stream, String)

从预先训练的 LightGBM 模型创建 LightGbmRankingTrainer ,该模型使用梯度提升决策树排名模型预测目标。

LightGbm(RankingCatalog+RankingTrainers, String, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

创建 LightGbmRankingTrainer,它使用梯度提升决策树排名模型预测目标。

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)

使用高级选项创建 LightGbmRegressionTrainer ,该选项使用梯度提升决策树回归模型预测目标。

LightGbm(RegressionCatalog+RegressionTrainers, Stream, String)

从预先训练的 LightGBM 模型创建 LightGbmRegressionTrainer ,该模型使用梯度提升决策树回归预测目标。

LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)

创建 LightGbmRegressionTrainer,它使用梯度提升决策树回归模型预测目标。

适用于