RegressionCatalog.RegressionTrainers 類別

定義

命名空間:

Microsoft.ML

組件:

Microsoft.ML.Data.dll

套件:

Microsoft.ML v2.0.0

用來 MLContext 建立回歸定型器實例的類別。

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

type RegressionCatalog.RegressionTrainers = class
    inherit TrainCatalogBase.CatalogInstantiatorBase

Public NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase

繼承

Object

TrainCatalogBase.CatalogInstantiatorBase

RegressionCatalog.RegressionTrainers

擴充方法

LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)	LightGbmRegressionTrainer使用進階選項建立，其會使用漸層提升判定樹回歸模型來預測目標。
LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)	建立 LightGbmRegressionTrainer，其會使用漸層提升判定樹回歸模型來預測目標。
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)	OlsTrainer使用進階選項建立 ，以使用線性回歸模型預測目標。
Ols(RegressionCatalog+RegressionTrainers, String, String, String)	建立 OlsTrainer，其會使用線性回歸模型來預測目標。
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)	LbfgsPoissonRegressionTrainer使用進階選項建立，以使用線性回歸模型預測目標。
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)	建立 LbfgsPoissonRegressionTrainer，其會使用線性回歸模型來預測目標。
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)	OnlineGradientDescentTrainer使用進階選項建立，以使用線性回歸模型預測目標。
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)	建立 OnlineGradientDescentTrainer，其會使用線性回歸模型來預測目標。
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)	SdcaRegressionTrainer使用進階選項建立 ，以使用線性回歸模型預測目標。
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)	建立 SdcaRegressionTrainer，其會使用線性回歸模型來預測目標。
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)	FastForestRegressionTrainer使用進階選項建立 ，以使用判定樹回歸模型預測目標。
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)	建立 FastForestRegressionTrainer，其會使用判定樹回歸模型來預測目標。
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)	FastTreeRegressionTrainer使用進階選項建立 ，以使用判定樹回歸模型預測目標。
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	建立 FastTreeRegressionTrainer，其會使用判定樹回歸模型來預測目標。
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)	FastTreeTweedieTrainer使用進階選項建立，以使用判定樹回歸模型預測目標。
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)	建立 FastTreeTweedieTrainer，其會使用判定樹回歸模型來預測目標。
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)	GamRegressionTrainer使用進階選項建立，使用一般化加法模型來預測目標， (GAM) 。
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)	建立 GamRegressionTrainer，其會使用一般化加法模型來預測目標， (GAM) 。