Language

StandardTrainersCatalog クラス

定義

トレーナー コンポーネントのインスタンスを作成するための RegressionCatalog.RegressionTrainers、 BinaryClassificationCatalog.BinaryClassificationTrainers、および MulticlassClassificationCatalog.MulticlassClassificationTrainers の拡張メソッドのコレクション。

public static class StandardTrainersCatalog
type StandardTrainersCatalog = class
Public Module StandardTrainersCatalog
継承
StandardTrainersCatalog

メソッド

名前 説明
AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)

高度なオプションを使用して AveragedPerceptronTrainer を作成します。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, IClassificationLoss, Single, Boolean, Single, Int32)

ブール型ラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測する AveragedPerceptronTrainerを作成します。

LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

高度なオプションを使用して LbfgsLogisticRegressionBinaryTrainer を作成します。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

LbfgsLogisticRegressionBinaryTrainerを作成します。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)

L-BFGS メソッドでトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する、高度なオプションを使用して LbfgsMaximumEntropyMulticlassTrainer を作成します。

LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

L-BFGS メソッドでトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する LbfgsMaximumEntropyMulticlassTrainerを作成します。

LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)

線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して LbfgsPoissonRegressionTrainer を作成します。

LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)

線形回帰モデルを使用してターゲットを予測する LbfgsPoissonRegressionTrainerを作成します。

LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LdSvmTrainer+Options)

ローカル ディープ SVM モデルを使用してターゲットを予測する高度なオプションを使用して LdSvmTrainer を作成します。

LdSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Boolean, Boolean)

ローカル ディープ SVM モデルを使用してターゲットを予測する LdSvmTrainerを作成します。

LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)

高度なオプションを使用して LinearSvmTrainer を作成します。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32)

LinearSvmTrainerを作成します。これは、ブールラベル データに対してトレーニングされた線形二項分類モデルを使用してターゲットを予測します。

NaiveBayes(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String)

バイナリ特徴値をサポートする Naive Bayes モデルを使用して多クラス ターゲットを予測する NaiveBayesMulticlassTrainerを作成します。

OneVersusAll<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<BinaryPredictionTransformer<TModel>,TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32, Boolean)

OneVersusAllTrainerを作成します。これは、binaryEstimatorで指定された二項分類推定器を使用して、一対全戦略を使用して多クラスターゲットを予測します。

OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)

線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して OnlineGradientDescentTrainer を作成します。

OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)

線形回帰モデルを使用してターゲットを予測する OnlineGradientDescentTrainerを作成します。

PairwiseCoupling<TModel>(MulticlassClassificationCatalog+MulticlassClassificationTrainers, ITrainerEstimator<ISingleFeaturePredictionTransformer<TModel>, TModel>, String, Boolean, IEstimator<ISingleFeaturePredictionTransformer<ICalibrator>>, Int32)

PairwiseCouplingTrainerで指定された二項分類推定器とペアワイズ結合戦略を使用して多クラスターゲットを予測するbinaryEstimatorを作成します。

Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)

二項分類モデルを使用してターゲットを予測する PriorTrainerを作成します。

Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)

線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して SdcaRegressionTrainer を作成します。

Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

線形回帰モデルを使用してターゲットを予測する SdcaRegressionTrainerを作成します。

SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaLogisticRegressionBinaryTrainer+Options)

線形分類モデルを使用してターゲットを予測する高度なオプションを使用して SdcaLogisticRegressionBinaryTrainer を作成します。

SdcaLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

線形分類モデルを使用してターゲットを予測する SdcaLogisticRegressionBinaryTrainerを作成します。

SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaMaximumEntropyMulticlassTrainer+Options)

高度なオプションを使用して SdcaMaximumEntropyMulticlassTrainer を作成します。これは、座標降下法でトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測します。

SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

座標降下法でトレーニングされた最大エントロピー分類モデルを使用してターゲットを予測する SdcaMaximumEntropyMulticlassTrainerを作成します。

SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SdcaNonCalibratedBinaryTrainer+Options)

高度なオプションを使用して SdcaNonCalibratedBinaryTrainer を作成します。これは、ブールラベル データに対してトレーニングされた線形分類モデルを使用してターゲットを予測します。

SdcaNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

線形分類モデルを使用してターゲットを予測する SdcaNonCalibratedBinaryTrainerを作成します。

SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, SdcaNonCalibratedMulticlassTrainer+Options)

高度なオプションを使用して SdcaNonCalibratedMulticlassTrainer を作成します。これは、座標降下法でトレーニングされた線形多クラス分類モデルを使用してターゲットを予測します。

SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)

SdcaNonCalibratedMulticlassTrainerを作成します。これは、座標降下法でトレーニングされた線形多クラス分類モデルを使用してターゲットを予測します。

SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdCalibratedTrainer+Options)

線形分類モデルを使用してターゲットを予測する高度なオプションを使用して SgdCalibratedTrainer を作成します。 確率的勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。

SgdCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Double, Single)

線形分類モデルを使用してターゲットを予測する SgdCalibratedTrainerを作成します。 確率的勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。

SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, SgdNonCalibratedTrainer+Options)

線形分類モデルを使用してターゲットを予測する高度なオプションを使用して SgdNonCalibratedTrainer を作成します。 確率的勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。

SgdNonCalibrated(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, IClassificationLoss, Int32, Double, Single)

線形分類モデルを使用してターゲットを予測する SgdNonCalibratedTrainerを作成します。 確率的勾配降下法 (SGD) は、異なる目的関数を最適化する反復アルゴリズムです。

適用対象