RegressionCatalog.RegressionTrainers 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.
Classe usata da MLContext per creare istanze di trainer di regressione.
public sealed class RegressionCatalog.RegressionTrainers : Microsoft.ML.TrainCatalogBase.CatalogInstantiatorBasetype RegressionCatalog.RegressionTrainers = class
inherit TrainCatalogBase.CatalogInstantiatorBasePublic NotInheritable Class RegressionCatalog.RegressionTrainers
Inherits TrainCatalogBase.CatalogInstantiatorBase- Ereditarietà
Metodi di estensione
| Nome | Descrizione |
|---|---|
| FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options) |
Creare FastForestRegressionTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione dell'albero delle decisioni. |
| FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32) |
Creare FastForestRegressionTrainer, che stima una destinazione usando un modello di regressione dell'albero delle decisioni. |
| FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options) |
Creare FastTreeRegressionTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione dell'albero delle decisioni. |
| FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double) |
Creare FastTreeRegressionTrainer, che stima una destinazione usando un modello di regressione dell'albero delle decisioni. |
| FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options) |
Creare FastTreeTweedieTrainer usando opzioni avanzate, che stimano una destinazione usando un modello di regressione dell'albero delle decisioni. |
| FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double) |
Creare FastTreeTweedieTrainer, che stima una destinazione usando un modello di regressione dell'albero delle decisioni. |
| Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options) |
Creare GamRegressionTrainer usando opzioni avanzate, che stimano una destinazione usando modelli additivi generalizzati (GAM). |
| Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double) |
Creare GamRegressionTrainer, che stima una destinazione usando modelli additivi generalizzati (GAM). |
| LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options) |
Creare LbfgsPoissonRegressionTrainer usando opzioni avanzate, che stimano una destinazione usando un modello di regressione lineare. |
| LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean) |
Creare LbfgsPoissonRegressionTrainer, che stima una destinazione usando un modello di regressione lineare. |
| LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options) |
Creare LightGbmRegressionTrainer usando opzioni avanzate, che stimano una destinazione usando un modello di regressione dell'albero delle decisioni con boosting a gradienti. |
| LightGbm(RegressionCatalog+RegressionTrainers, Stream, String) |
Creare LightGbmRegressionTrainer da un modello LightGBM con training preliminare, che stima una destinazione usando una regressione dell'albero delle decisioni con boosting della sfumatura. |
| LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32) |
Creare LightGbmRegressionTrainer, che stima una destinazione usando un modello di regressione dell'albero delle decisioni con boosting della sfumatura. |
| 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. |
| OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options) |
Creare OnlineGradientDescentTrainer usando opzioni avanzate, che stimano una destinazione usando un modello di regressione lineare. |
| OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32) |
Creare OnlineGradientDescentTrainer, che stima una destinazione usando un modello di regressione lineare. |
| Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options) |
Creare SdcaRegressionTrainer con opzioni avanzate, che stimano una destinazione usando un modello di regressione lineare. |
| Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>) |
Creare SdcaRegressionTrainer, che stima una destinazione usando un modello di regressione lineare. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions) |
Ottimizzare un modello di NAS-BERT per la somiglianza delle frasi NLP. Il limite per qualsiasi frase è 512 token. Ogni parola viene in genere mappata a un singolo token e vengono aggiunti automaticamente 2 token specicali (un token di avvio e un token separatore), quindi in generale questo limite sarà 510 parole per tutte le frasi. |
| SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView) |
Ottimizzare un modello di NAS-BERT per la somiglianza delle frasi NLP. Il limite per qualsiasi frase è 512 token. Ogni parola viene in genere mappata a un singolo token e vengono aggiunti automaticamente 2 token specicali (un token di avvio e un token separatore), quindi in generale questo limite sarà 510 parole per tutte le frasi. |