RegressionCatalog.RegressionTrainers Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Klasse, die zum MLContext Erstellen von Instanzen von Regressionstrainern verwendet wird.
public sealed class RegressionCatalog.RegressionTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBasetype RegressionCatalog.RegressionTrainers = class
inherit TrainCatalogBase.CatalogInstantiatorBasePublic NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase- Vererbung
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options) |
Erstellen Sie FastForestRegressionTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines Regressionsmodells für die Entscheidungsstruktur vorhersagen. |
| FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32) |
Erstellen Sie FastForestRegressionTrainerein Ziel, das ein Ziel mithilfe eines Regressionsmodells für die Entscheidungsstruktur vorhersagt. |
| FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options) |
Erstellen Sie FastTreeRegressionTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines Regressionsmodells für die Entscheidungsstruktur vorhersagen. |
| FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double) |
Erstellen Sie FastTreeRegressionTrainerein Ziel, das ein Ziel mithilfe eines Regressionsmodells für die Entscheidungsstruktur vorhersagt. |
| FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options) |
Erstellen Sie FastTreeTweedieTrainer mithilfe erweiterter Optionen, die ein Ziel mithilfe eines Regressionsmodells für die Entscheidungsstruktur vorhersagen. |
| FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double) |
Erstellen Sie FastTreeTweedieTrainerein Ziel, das ein Ziel mithilfe eines Regressionsmodells für die Entscheidungsstruktur vorhersagt. |
| Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options) |
Erstellen Sie GamRegressionTrainer mithilfe erweiterter Optionen, die ein Ziel mit generalisierten additiven Modellen (GAM) vorhersagen. |
| Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double) |
Erstellen Sie GamRegressionTrainerein Ziel, das ein Ziel mithilfe generalisierter additiver Modelle (GAM) vorhersagt. |
| LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options) |
Erstellen Sie LbfgsPoissonRegressionTrainer mithilfe erweiterter Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagen. |
| LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean) |
Erstellen Sie LbfgsPoissonRegressionTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options) |
Erstellen Sie LightGbmRegressionTrainer mithilfe erweiterter Optionen, die ein Ziel mithilfe eines Regressionsmodells zur Farbverlaufsverhebung der Entscheidungsstruktur vorhersagen. |
| LightGbm(RegressionCatalog+RegressionTrainers, Stream, String) |
Erstellen Sie LightGbmRegressionTrainer aus einem vorab trainierten LightGBM-Modell, das ein Ziel mithilfe einer Regression der Entscheidungsstruktur zur Farbverlaufsherstufung vorhersagt. |
| LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32) |
Erstellen Sie LightGbmRegressionTrainerein Ziel, das ein Ziel mithilfe eines Regressionsmodells zur Farbverlaufsverhebung der Entscheidungsstruktur vorhersagt. |
| Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Erstellen Sie OlsTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagen. |
| Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Erstellen Sie OlsTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options) |
Erstellen Sie OnlineGradientDescentTrainer mithilfe erweiterter Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagen. |
| OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32) |
Erstellen Sie OnlineGradientDescentTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options) |
Erstellen Sie SdcaRegressionTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagen. |
| Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>) |
Erstellen Sie SdcaRegressionTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions) |
Feinabstimmung eines NAS-BERT Modells für NLP-Satzähnlichkeit. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch zwei spekulische Token (ein Starttoken und ein Trennzeichen) hinzu, sodass dieser Grenzwert im Allgemeinen 510 Wörter für alle Sätze beträgt. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Feinabstimmung eines NAS-BERT Modells für NLP-Satzähnlichkeit. Der Grenzwert für einen Satz beträgt 512 Token. Jedes Wort wird in der Regel einem einzelnen Token zugeordnet, und wir fügen automatisch zwei spekulische Token (ein Starttoken und ein Trennzeichen) hinzu, sodass dieser Grenzwert im Allgemeinen 510 Wörter für alle Sätze beträgt. |