RegressionCatalog.RegressionTrainers 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.
Classe utilisée pour MLContext créer des instances de formateurs de régression.
public sealed class RegressionCatalog.RegressionTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBase
type RegressionCatalog.RegressionTrainers = class
inherit TrainCatalogBase.CatalogInstantiatorBase
Public NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase
- Héritage
Méthodes d’extension
| Nom | Description |
|---|---|
| FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options) |
Créez FastForestRegressionTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision. |
| FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32) |
Créez FastForestRegressionTrainer, qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision. |
| FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options) |
Créez FastTreeRegressionTrainer avec des options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision. |
| FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double) |
Créez FastTreeRegressionTrainer, qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision. |
| FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options) |
Créez à FastTreeTweedieTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision. |
| FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double) |
Créez FastTreeTweedieTrainer, qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision. |
| Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options) |
Créez à GamRegressionTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide de modèles additifs généralisés (GAM). |
| Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double) |
Créez GamRegressionTrainer, qui prédit une cible à l’aide de modèles additifs généralisés (GAM). |
| LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options) |
Créez à LbfgsPoissonRegressionTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean) |
Créez LbfgsPoissonRegressionTrainer, qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options) |
Créez à LightGbmRegressionTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide d’un modèle de régression d’arbre de décision de renforcement de dégradé. |
| LightGbm(RegressionCatalog+RegressionTrainers, Stream, String) |
Créez à LightGbmRegressionTrainer partir d’un modèle LightGBM préentraîné, qui prédit une cible à l’aide d’une régression de l’arbre de décision de renforcement de dégradé. |
| LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32) |
Créez LightGbmRegressionTrainer, qui prédit une cible à l’aide d’un modèle de régression de l’arbre de décision d’augmentation de dégradé. |
| 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. |
| OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options) |
Créez à OnlineGradientDescentTrainer l’aide d’options avancées, ce qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32) |
Créez OnlineGradientDescentTrainer, qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options) |
Créez SdcaRegressionTrainer avec des options avancées, qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>) |
Créez SdcaRegressionTrainer, qui prédit une cible à l’aide d’un modèle de régression linéaire. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions) |
Ajuster un modèle NAS-BERT pour NLP phrase Similarité. La limite pour toutes les phrases est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spéculaux (un jeton de début et un jeton de séparateur) de sorte que, en général, cette limite sera de 510 mots pour toutes les phrases. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Ajuster un modèle NAS-BERT pour NLP phrase Similarité. La limite pour toutes les phrases est de 512 jetons. Chaque mot est généralement mappé à un seul jeton, et nous ajoutons automatiquement 2 jetons spéculaux (un jeton de début et un jeton de séparateur) de sorte que, en général, cette limite sera de 510 mots pour toutes les phrases. |