MklComponentsCatalog Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Kolekcja metod rozszerzeń dla , RegressionCatalog.RegressionTrainersBinaryClassificationCatalog.BinaryClassificationTrainersi TransformsCatalog do tworzenia trenera MKL (Math Kernel Library) i przekształcania składników.
public static class MklComponentsCatalogtype MklComponentsCatalog = classPublic Module MklComponentsCatalog- Dziedziczenie
-
MklComponentsCatalog
Metody
| Nazwa | Opis |
|---|---|
| Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Utwórz OlsTrainer za pomocą opcji zaawansowanych, które przewidują cel przy użyciu modelu regresji liniowej. |
| Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Utwórz OlsTrainerobiekt , który przewiduje cel przy użyciu modelu regresji liniowej. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32) |
Utwórz SymbolicSgdLogisticRegressionBinaryTrainerelement , który przewiduje element docelowy przy użyciu liniowego modelu klasyfikacji binarnej wytrenowanego na danych etykiet logicznych. Stochastic gradient zejście (SGD) to algorytm iteracyjny, który optymalizuje różnicową funkcję obiektywną. Paralelizuje SymbolicSgdLogisticRegressionBinaryTrainer SGD przy użyciu wykonywania symbolicznego. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options) |
Utwórz SymbolicSgdLogisticRegressionBinaryTrainer za pomocą zaawansowanych opcji, które przewidują cel przy użyciu liniowego modelu klasyfikacji binarnej wyszkolonego na danych etykiet logicznych. Stochastic gradient zejście (SGD) to algorytm iteracyjny, który optymalizuje różnicową funkcję obiektywną. Paralelizuje SymbolicSgdLogisticRegressionBinaryTrainer SGD przy użyciu wykonywania symbolicznego. |
| VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32) |
Przyjmuje kolumnę wypełnioną wektorem zmiennych losowych ze znaną macierzą wariancji do zestawu nowych zmiennych, których kowariancja jest macierzą tożsamości, co oznacza, że są one nieskorelowane, a każda z nich ma wariancję 1. |