MklComponentsCatalog Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Sammlung von Erweiterungsmethoden für RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersund TransformsCatalog zum Erstellen von MKL (Math Kernel Library) Trainer und Transformieren von Komponenten.
public static class MklComponentsCatalogtype MklComponentsCatalog = classPublic Module MklComponentsCatalog- Vererbung
-
MklComponentsCatalog
Methoden
| Name | Beschreibung |
|---|---|
| Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Erstellen Sie OlsTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen Regressionsmodells vorhersagen. |
| Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Erstellen Sie OlsTrainerein Ziel, das ein Ziel mithilfe eines linearen Regressionsmodells vorhersagt. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32) |
Erstellen Sie SymbolicSgdLogisticRegressionBinaryTrainerein Ziel, das ein Ziel mithilfe eines linearen binären Klassifizierungsmodells voraussagt, das über boolesche Bezeichnungsdaten trainiert wurde. Stochastischer Farbverlaufsabstieg (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert. Die SymbolicSgdLogisticRegressionBinaryTrainer Parallelisierung von SGD erfolgt mithilfe der symbolischen Ausführung. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options) |
Erstellen Sie SymbolicSgdLogisticRegressionBinaryTrainer mit erweiterten Optionen, die ein Ziel mithilfe eines linearen binären Klassifizierungsmodells vorhersagen, das über boolesche Bezeichnungsdaten trainiert wurde. Stochastischer Farbverlaufsabstieg (SGD) ist ein iterativer Algorithmus, der eine unterschiedliche Zielfunktion optimiert. Die SymbolicSgdLogisticRegressionBinaryTrainer Parallelisierung von SGD erfolgt mithilfe der symbolischen Ausführung. |
| VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32) |
Verwendet eine Spalte, die mit einem Vektor zufälliger Variablen mit einer bekannten Kovarianzmatrix gefüllt ist, in eine Reihe neuer Variablen, deren Kovarianz die Identitätsmatrix ist, d. h., sie sind nicht korreliert und verfügen jeweils über Abweichung 1. |