|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)
|
使用高级选项创建一个 AveragedPerceptronTrainer ，该模型使用通过布尔标签数据训练的线性二元分类模型预测目标。
|
|
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)
|
创建一个 AveragedPerceptronTrainer，该模型使用通过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 ，该选项使用通过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，该模型使用通过布尔标签数据训练的线性二元分类模型预测目标。
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)
|
使用高级选项创建 LbfgsMaximumEntropyMulticlassTrainer ，该选项使用使用 L-BFGS 方法训练的最大萎缩分类模型来预测目标。
|
|
LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
创建 LbfgsMaximumEntropyMulticlassTrainer，该模型使用使用 L-BFGS 方法训练的最大萎缩分类模型来预测目标。
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)
|
使用高级选项创建 LbfgsPoissonRegressionTrainer ，该选项使用线性回归模型预测目标。
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
创建 LbfgsPoissonRegressionTrainer，该模型使用线性回归模型预测目标。
|
|
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，该模型使用本地深度 SVM 模型预测目标。
|
|
LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)
|
使用高级选项创建 LinearSvmTrainer ，该选项使用通过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，该模型使用通过布尔标签数据训练的线性二元分类模型预测目标。
|
|
NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)
|
创建一个 NaiveBayesMulticlassTrainer，该模型使用支持二进制特征值的 Naive Bayes 模型预测多类目标。
|
|
OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>,
String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32, Boolean)
|
创建一个 OneVersusAllTrainer，它使用一对多策略和二元分类估算器指定的 binaryEstimator二元分类估算器来预测多类目标。
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
|
使用高级选项创建 OnlineGradientDescentTrainer ，该选项使用线性回归模型预测目标。
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
|
创建 OnlineGradientDescentTrainer，该模型使用线性回归模型预测目标。
|
|
PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>,
TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>,
Int32)
|
创建一个 PairwiseCouplingTrainer，它使用双对耦合策略和指定的 binaryEstimator二元分类估算器预测多类目标。
|
|
Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)
|
创建 PriorTrainer，该模型使用二元分类模型预测目标。
|
|
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)
|
使用高级选项创建 SdcaRegressionTrainer ，该选项使用线性回归模型预测目标。
|
|
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
创建 SdcaRegressionTrainer，该模型使用线性回归模型预测目标。
|
|
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，该模型使用线性分类模型预测目标。
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)
|
使用高级选项创建 SdcaMaximumEntropyMulticlassTrainer ，该选项使用使用坐标下降方法训练的最大萎缩分类模型来预测目标。
|
|
SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
创建 SdcaMaximumEntropyMulticlassTrainer，该模型使用使用坐标下降方法训练的最大萎缩分类模型来预测目标。
|
|
SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)
|
使用高级选项创建 SdcaNonCalibratedBinaryTrainer ，该选项使用通过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，该模型使用线性分类模型预测目标。
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)
|
使用高级选项创建 SdcaNonCalibratedMulticlassTrainer ，该选项使用经过坐标下降方法训练的线性多类分类模型预测目标。
|
|
SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers,
String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>,
Nullable<Single>, Nullable<Int32>)
|
创建 SdcaNonCalibratedMulticlassTrainer，该模型使用通过坐标下降方法训练的线性多类分类模型来预测目标。
|
|
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。
随机渐变下降 () 是一种迭代算法，用于优化可区分的目标函数。
|
|
SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)
|
创建 SgdCalibratedTrainer，该模型使用线性分类模型预测目标。
随机渐变下降 () 是一种迭代算法，用于优化可区分的目标函数。
|
|
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。
随机渐变下降 () 是一种迭代算法，用于优化可区分的目标函数。
|
|
SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)
|
创建 SgdNonCalibratedTrainer，该模型使用线性分类模型预测目标。
随机渐变下降 () 是一种迭代算法，用于优化可区分的目标函数。
|