MklComponentsCatalog Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Collection de méthodes d’extension pour RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerset TransformsCatalog pour créer des composants de formation et de transformation MKL (Bibliothèque de noyaux mathématiques).
public static class MklComponentsCatalogtype MklComponentsCatalog = classPublic Module MklComponentsCatalog- Héritage
-
MklComponentsCatalog
Méthodes
| Nom | Description |
|---|---|
| Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Créez OlsTrainer avec des options avancées, qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Créez OlsTrainer, qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32) |
Créez SymbolicSgdLogisticRegressionBinaryTrainer, qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur des données d’étiquette booléenne. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable. Parallélise SymbolicSgdLogisticRegressionBinaryTrainer SGD à l’aide de l’exécution symbolique. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options) |
Créez SymbolicSgdLogisticRegressionBinaryTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de classification binaire linéaire entraîné sur les données d’étiquette booléenne. La descente de dégradé stochastique (SGD) est un algorithme itératif qui optimise une fonction objective différentiable. Parallélise SymbolicSgdLogisticRegressionBinaryTrainer SGD à l’aide de l’exécution symbolique. |
| VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32) |
Prend la colonne remplie d’un vecteur de variables aléatoires avec une matrice de covariance connue dans un ensemble de nouvelles variables dont la covariance est la matrice d’identité, ce qui signifie qu’elles ne sont pas corrélées et chacune ont la variance 1. |