Microsoft.ML.Trainers 命名空間

命名空間，其中包含定型器、模型參數和公用程式。

類別

AveragedLinearOptions	平均線性定型器的自變數類別。
AveragedLinearTrainer<TTransformer,TModel>	平均線性定型器基類。
AveragedPerceptronTrainer	， IEstimator<TTransformer> 使用以平均感知器定型的線性二元分類模型來預測目標。
AveragedPerceptronTrainer.Options	中 AveragedPerceptronTrainer 所使用的 AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)選項。
CoefficientStatistics	表示係數統計數據物件，其中包含計算模型參數的相關統計數據。
ComputeLogisticRegressionStandardDeviation	計算每個非零定型權數的標準偏差矩陣，以進一步計算標準偏差、p 值和 z-Score。 在使用 Intel Math Kernel Library 的 Microsoft.ML.Mkl.Components 套件中使用這個類別的實作。 由於正則化存在，因此會使用近似值來計算定型線性係數的變異數。
ComputeLRTrainingStdThroughMkl	命名空間，其中包含定型器、模型參數和公用程式。
ExpLoss	指數遺失，通常用於分類工作。
ExponentialLRDecay	這個類別會實作指數學習速率衰減。 從 tensorflow 文件實作。 來源： https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 學習速率的預設值和實作來自 Tensorflow 精簡模型測試。 來源： https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
FeatureContributionCalculator	支援特徵貢獻計算。
FieldAwareFactorizationMachineModelParameters	的 FieldAwareFactorizationMachineTrainer模型參數。
FieldAwareFactorizationMachinePredictionTransformer	命名空間，其中包含定型器、模型參數和公用程式。
FieldAwareFactorizationMachineTrainer	， IEstimator<TTransformer> 使用使用隨機漸層方法定型的欄位感知因數化機器模型來預測目標。
FieldAwareFactorizationMachineTrainer.Options	FieldAwareFactorizationMachineTrainer.Options ， FieldAwareFactorizationMachineTrainer 用於 FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)。
HingeLoss	轉軸遺失，通常用於分類工作。
KMeansModelParameters	命名空間，其中包含定型器、模型參數和公用程式。
KMeansTrainer	IEstimator<TTransformer>用來訓練 KMeans 叢集器的
KMeansTrainer.Options	KMeansTrainerKMeansTrainer (Options) 中使用的 選項。
LbfgsLogisticRegressionBinaryTrainer	， IEstimator<TTransformer> 使用使用 L-BFGS 方法定型的線性羅吉斯回歸模型來預測目標。
LbfgsLogisticRegressionBinaryTrainer.Options	中 LbfgsLogisticRegressionBinaryTrainer 所使用的 選項 LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
LbfgsMaximumEntropyMulticlassTrainer	， IEstimator<TTransformer> 使用以 L-BFGS 方法定型的最大 entropy 多重類別分類器來預測目標。
LbfgsMaximumEntropyMulticlassTrainer.Options	LbfgsMaximumEntropyMulticlassTrainer.Options ， LbfgsMaximumEntropyMulticlassTrainer 用於 LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)。
LbfgsPoissonRegressionTrainer	用於 IEstimator<TTransformer> 定型 Poisson 回歸模型的 。
LbfgsPoissonRegressionTrainer.Options	LbfgsPoissonRegressionTrainerLbfgsPoissonRegression (Options) 中使用的 選項。
LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	衍生自LbfgsTrainerBase<TOptions,TTransformer,TModel>之定型工具的基底選項類別。
LbfgsTrainerBase<TOptions,TTransformer,TModel>	L-BFGS 型定型定型者的基類。
LdSvmModelParameters	命名空間，其中包含定型器、模型參數和公用程式。
LdSvmTrainer	， IEstimator<TTransformer> 使用使用本機深度 SVM 定型的非線性二進位分類模型來預測目標。
LdSvmTrainer.Options	命名空間，其中包含定型器、模型參數和公用程式。
LearningRateScheduler	這個抽象類會定義學習速率排程器。
LinearBinaryModelParameters	線性二進制定型估算器的模型參數類別。
LinearModelParameters	線性模型參數的基類。
LinearModelParameterStatistics	線性模型參數的統計數據。
LinearMulticlassModelParameters	多類別分類器的線性模型。 它會輸出其所有線性模型的原始分數，而且未提供任何可能輸出。
LinearMulticlassModelParametersBase	多類別分類器的常見線性模型。 LinearMulticlassModelParameters 包含每個類別的單一線性模型。
LinearRegressionModelParameters	線性回歸的模型參數。
LinearSvmTrainer	， IEstimator<TTransformer> 使用以線性 SVM 定型的線性二元分類模型來預測目標。
LinearSvmTrainer.Options	中 LinearSvmTrainer 所使用的 LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)選項。
LinearTrainerBase<TTransformer,TModel>	命名空間，其中包含定型器、模型參數和公用程式。
LogLoss	記錄遺失，也稱為交叉 Entropy 遺失。 它通常用於分類工作。
LsrDecay	這個類別會實作線性縮放規則和 LR 衰減。 在 Tensorflow 中從 RESNET-CIFAR 基準檢驗採用的實作。 https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py
MaximumEntropyModelParameters	多類別分類器的線性最大 entropy 模型。 它會輸出類別機率。 此模型也稱為多項羅吉斯回歸。 如需詳細資訊，請參閱 https://en.wikipedia.org/wiki/Multinomial_logistic_regression 。
MetaMulticlassTrainer<TTransformer,TModel>	命名空間，其中包含定型器、模型參數和公用程式。
ModelParametersBase<TOutput>	所有模型參數的泛型基類。
ModelStatisticsBase	線性模型參數的統計數據。
NaiveBayesMulticlassModelParameters	的 NaiveBayesMulticlassTrainer模型參數。
NaiveBayesMulticlassTrainer	用於 IEstimator<TTransformer> 定型支援二進位特徵值的多類別貝氏機率分類模型。
OlsModelParameters	的 OlsTrainer模型參數。
OlsTrainer	， IEstimator<TTransformer> 用於使用 一般最小平方 (OLS) 來定型線性回歸模型，以估計線性回歸模型的參數。
OlsTrainer.Options	OlsTrainerOls (選項) 中所使用的 選項
OneVersusAllModelParameters	的 OneVersusAllTrainer模型參數。
OneVersusAllTrainer	， IEstimator<TTransformer> 用於定型使用指定二元分類器的一與全部多類別分類器。
OnlineGradientDescentTrainer	， IEstimator<TTransformer> 用於使用 在線漸層下降 (OGD) 來定型線性回歸模型，以估計線性回歸模型的參數。
OnlineGradientDescentTrainer.Options	OnlineGradientDescentTrainerOnlineGradientDescent (Options) 中使用的 選項。
OnlineLinearOptions	在線線性定型工具的自變數類別。
OnlineLinearTrainer<TTransformer,TModel>	在線線性定型工具的基類。 在線訓練人員可以透過其他數據以累加方式更新。
PairwiseCouplingModelParameters	的 PairwiseCouplingTrainer模型參數。
PairwiseCouplingTrainer	用於 IEstimator<TTransformer> 定型使用指定二元分類器的配對結合多類別分類器。
PcaModelParameters	的 RandomizedPcaTrainer模型參數。
PoissonLoss	Poisson 回歸的 Poisson Loss 函式。
PoissonRegressionModelParameters	Poisson 回歸的模型參數。
PolynomialLRDecay	這個類別會實作多項式學習速率衰減。 從 tensorflow 文件實作。 來源： https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 學習速率的預設值和實作來自 Tensorflow 精簡模型測試。 來源： https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
PriorModelParameters	的 PriorTrainer模型參數。
PriorTrainer	， IEstimator<TTransformer> 用於使用二元分類模型預測目標。
RandomizedPcaTrainer	， IEstimator<TTransformer> 用於使用隨機化 SVD 演算法來定型近似 PCA。
RandomizedPcaTrainer.Options	RandomizedPcaTrainerRandomizedPca (Options) 中使用的 選項。
RegressionModelParameters	回歸的模型參數。
SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase	的選項 SdcaBinaryTrainerBase<TModelParameters>。
SdcaBinaryTrainerBase<TModelParameters>	SDCA 是一種一般定型演算法，適用於 (一般化) 線性模型，例如支援向量機器、線性回歸、羅吉斯回歸等等。 SDCA 二元分類定型器系列包含數個密封成員： (1 個) SdcaNonCalibratedBinaryTrainer 支援一般遺失函式並傳 LinearBinaryModelParameters回 。 (2) SdcaLogisticRegressionBinaryTrainer 基本上會定型正規化羅吉斯回歸模型。 由於羅吉斯回歸自然會提供機率輸出，因此產生的模型類型為 CalibratedModelParametersBase<TSubModel,TCalibrator>。 其中 TSubModel 是 LinearBinaryModelParameters ，且 TCalibrator 為 PlattCalibrator。
SdcaLogisticRegressionBinaryTrainer	使用 IEstimator<TTransformer> 隨機雙座標 ascent 方法定型二元羅吉斯回歸分類模型的 。 定型的模型經過 校正 ，而且可以將線性函式的輸出值饋送至 PlattCalibrator，以產生機率。
SdcaLogisticRegressionBinaryTrainer.Options	SdcaLogisticRegressionBinaryTrainerSdcaLogisticRegression 中所使用的選項 (選項) 。
SdcaMaximumEntropyMulticlassTrainer	使用 IEstimator<TTransformer> 最大 entropy 多重類別類別器預測目標的 。 定型的模型 MaximumEntropyModelParameters 會產生類別的機率。
SdcaMaximumEntropyMulticlassTrainer.Options	SdcaMaximumEntropyMulticlassTrainer.Options ， SdcaMaximumEntropyMulticlassTrainer 用於 SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
SdcaMulticlassTrainerBase<TModel>.MulticlassOptions	的選項 SdcaMulticlassTrainerBase<TModel>。
SdcaMulticlassTrainerBase<TModel>	， IEstimator<TTransformer> 使用以座標下降方法定型的線性多類別分類器模型來預測目標。 根據使用的遺失函式，定型的模型可以是最大 entropy 分類器或多類別支援向量機器。
SdcaNonCalibratedBinaryTrainer	使用 IEstimator<TTransformer> 隨機雙座標 ascent 方法定型二元羅吉斯回歸分類模型的 。
SdcaNonCalibratedBinaryTrainer.Options	的選項 SdcaNonCalibratedBinaryTrainer。
SdcaNonCalibratedMulticlassTrainer	，IEstimator<TTransformer> 用來使用線性多類別分類器預測目標。 定型的模型 LinearMulticlassModelParameters 會產生類別的機率。
SdcaNonCalibratedMulticlassTrainer.Options	SdcaNonCalibratedMulticlassTrainer.Options ， SdcaNonCalibratedMulticlassTrainer 用於 SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)。
SdcaRegressionTrainer	使用 IEstimator<TTransformer> 隨機雙座標 ascent 方法定型回歸模型的 。
SdcaRegressionTrainer.Options	的選項 SdcaRegressionTrainer。
SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	SDCA 型定型器的選項。
SdcaTrainerBase<TOptions,TTransformer,TModel>	命名空間，其中包含定型器、模型參數和公用程式。
SgdBinaryTrainerBase<TModel>.OptionsBase	命名空間，其中包含定型器、模型參數和公用程式。
SgdBinaryTrainerBase<TModel>	命名空間，其中包含定型器、模型參數和公用程式。
SgdCalibratedTrainer	使用 IEstimator<TTransformer> 平行隨機漸層方法定型羅吉斯回歸的 。 定型的模型經過 校正 ，而且可以將線性函式的輸出值饋送至 PlattCalibrator，以產生機率。
SgdCalibratedTrainer.Options	SgdCalibratedTrainer在 (Options) 中所使用之 的 選項。
SgdNonCalibratedTrainer	使用 IEstimator<TTransformer> 平行隨機漸層方法定型羅吉斯回歸的 。
SgdNonCalibratedTrainer.Options	SgdNonCalibratedTrainer在 (Options) 中所使用之 的 選項。
SmoothedHingeLoss	函式的 HingeLoss 平滑版本，通常用於分類工作。
SquaredLoss	平方損失，通常用於回歸工作。
StochasticTrainerBase<TTransformer,TModel>	命名空間，其中包含定型器、模型參數和公用程式。
SymbolicSgdLogisticRegressionBinaryTrainer	， IEstimator<TTransformer> 使用以符號隨機漸層下降定型的線性二元分類模型來預測目標。
SymbolicSgdLogisticRegressionBinaryTrainer.Options	中 SymbolicSgdLogisticRegressionBinaryTrainer 所使用的 SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)選項。
TrainerEstimatorBase<TTransformer,TModel>	這代表「簡單定型器」的基本類別。 「簡單定型器」接受一個特徵數據行和一個標籤數據行，也可以選擇性地接受加權數據行。 它會產生「預測轉換器」。
TrainerEstimatorBaseWithGroupId<TTransformer,TModel>	這代表「簡單定型器」的基本類別。 「簡單定型器」接受一個特徵數據行和一個標籤數據行，也可以選擇性地接受加權數據行。 它會產生「預測轉換器」。
TrainerInputBase	所有定型器輸入的基類。
TrainerInputBaseWithGroupId	支援群組數據行之所有定型輸入的基類。
TrainerInputBaseWithLabel	支援 Label 資料行之所有定型輸入的基類。
TrainerInputBaseWithWeight	支援加權數據行之所有定型輸入的基類。
TweedieLoss	Tweedie 遺失，根據 Tweedie 分佈的記錄可能性。 此遺失函式用於 Tweedie 回歸。
UnsupervisedTrainerInputBaseWithWeight	支援加權數據行之所有未監督定型器輸入的基類。

結構

LsrDecay.LearningRateSchedulerItem

這個結構代表學習速率排程器項目類型

介面

ICalculateFeatureContribution	允許支援模型參數的功能貢獻計算。
IClassificationLoss	命名空間，其中包含定型器、模型參數和公用程式。
ILossFunction<TOutput,TLabel>	命名空間，其中包含定型器、模型參數和公用程式。
IRegressionLoss	命名空間，其中包含定型器、模型參數和公用程式。
IScalarLoss	命名空間，其中包含定型器、模型參數和公用程式。
ISupportSdcaClassificationLoss	命名空間，其中包含定型器、模型參數和公用程式。
ISupportSdcaLoss	遺失函式可能知道最佳雙重更新參考的封閉式解決方案：秒 (6.2) http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf
ISupportSdcaRegressionLoss	命名空間，其中包含定型器、模型參數和公用程式。
ITrainerEstimator<TTransformer,TModel>	定型工具估算器的介面。

列舉

KMeansTrainer.InitializationAlgorithm

命名空間，其中包含定型器、模型參數和公用程式。