ComputeLogisticRegressionStandardDeviation Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Calcula a matriz de desvio padrão de cada um dos pesos de treinamento não zero, necessários para calcular ainda mais o desvio padrão, p-value e z-Score. Use a implementação dessa classe no pacote Microsoft.ML.Mkl.Components, que usa a Biblioteca intel math kernel. Devido à existência da regularização, uma aproximação é usada para calcular as variações dos coeficientes lineares treinados.
public abstract class ComputeLogisticRegressionStandardDeviationtype ComputeLogisticRegressionStandardDeviation = classPublic MustInherit Class ComputeLogisticRegressionStandardDeviation- Herança
-
ComputeLogisticRegressionStandardDeviation
- Derivado
Construtores
| Nome | Description |
|---|---|
| ComputeLogisticRegressionStandardDeviation() |
Calcula a matriz de desvio padrão de cada um dos pesos de treinamento não zero, necessários para calcular ainda mais o desvio padrão, p-value e z-Score. Use a implementação dessa classe no pacote Microsoft.ML.Mkl.Components, que usa a Biblioteca intel math kernel. Devido à existência da regularização, uma aproximação é usada para calcular as variações dos coeficientes lineares treinados. |
Métodos
| Nome | Description |
|---|---|
| ComputeStandardDeviation(Double[], Int32[], Int32, Int32, IChannel, Single) |
Calcula a matriz de desvio padrão de cada um dos pesos de treinamento não zero, necessários para calcular ainda mais o desvio padrão, p-value e z-Score. Os cálculos não fazem parte do pacote Microsoft.ML, devido ao tamanho do MKL. Se você precisar desses cálculos, adicione o pacote Microsoft.ML.Mkl.Components e inicialize ComputeStandardDeviation a ComputeLogisticRegressionStandardDeviation implementação no pacote Microsoft.ML.Mkl.Components. Devido à existência da regularização, uma aproximação é usada para calcular as variações dos coeficientes lineares treinados. |