MklComponentsCatalog Classe
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Raccolta di metodi di estensione per RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerse TransformsCatalog per creare componenti di training e trasformazione MKL (Math Kernel Library).
public static class MklComponentsCatalogtype MklComponentsCatalog = classPublic Module MklComponentsCatalog- Ereditarietà
-
MklComponentsCatalog
Metodi
| Nome | Descrizione |
|---|---|
| Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options) |
Creare OlsTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione lineare. |
| Ols(RegressionCatalog+RegressionTrainers, String, String, String) |
Creare OlsTrainer, che stima una destinazione usando un modello di regressione lineare. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, Int32) |
Creare SymbolicSgdLogisticRegressionBinaryTrainer, che stima una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati delle etichette booleane. La discesa del gradiente stocastico (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. Parallelizza SymbolicSgdLogisticRegressionBinaryTrainer SGD usando l'esecuzione simbolica. |
| SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options) |
Creare SymbolicSgdLogisticRegressionBinaryTrainer con opzioni avanzate, che stimano una destinazione usando un modello di classificazione binaria lineare sottoposto a training sui dati delle etichette booleane. La discesa del gradiente stocastico (SGD) è un algoritmo iterativo che ottimizza una funzione obiettivo differenziabile. Parallelizza SymbolicSgdLogisticRegressionBinaryTrainer SGD usando l'esecuzione simbolica. |
| VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32) |
Accetta una colonna riempita con un vettore di variabili casuali con una matrice di covarianza nota in un set di nuove variabili la cui covarianza è la matrice di identità, ovvero sono non correlate e ognuna ha varianza 1. |