|
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する高度なオプションを使用して FastForestRegressionTrainer を作成します。
|
|
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する FastForestRegressionTrainerを作成します。
|
|
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する高度なオプションを使用して FastTreeRegressionTrainer を作成します。
|
|
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する FastTreeRegressionTrainerを作成します。
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する高度なオプションを使用して FastTreeTweedieTrainer を作成します。
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
デシジョン ツリー回帰モデルを使用してターゲットを予測する FastTreeTweedieTrainerを作成します。
|
|
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)
|
一般化加法モデル (GAM) を使用してターゲットを予測する高度なオプションを使用して GamRegressionTrainer を作成します。
|
|
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)
|
一般化加法モデル (GAM) を使用してターゲットを予測する GamRegressionTrainerを作成します。
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)
|
線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して LbfgsPoissonRegressionTrainer を作成します。
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
線形回帰モデルを使用してターゲットを予測する LbfgsPoissonRegressionTrainerを作成します。
|
|
LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)
|
高度なオプションを使用して LightGbmRegressionTrainer を作成します。これは、勾配ブースティング デシジョン ツリー回帰モデルを使用してターゲットを予測します。
|
|
LightGbm(RegressionCatalog+RegressionTrainers, Stream, String)
|
事前トレーニング済みの LightGBM モデルから LightGbmRegressionTrainer を作成します。これは、勾配ブースティング デシジョン ツリー回帰を使用してターゲットを予測します。
|
|
LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
勾配ブースティング デシジョン ツリー回帰モデルを使用してターゲットを予測する LightGbmRegressionTrainerを作成します。
|
|
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)
|
線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して OlsTrainer を作成します。
|
|
Ols(RegressionCatalog+RegressionTrainers, String, String, String)
|
線形回帰モデルを使用してターゲットを予測する OlsTrainerを作成します。
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
|
線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して OnlineGradientDescentTrainer を作成します。
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
|
線形回帰モデルを使用してターゲットを予測する OnlineGradientDescentTrainerを作成します。
|
|
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)
|
線形回帰モデルを使用してターゲットを予測する高度なオプションを使用して SdcaRegressionTrainer を作成します。
|
|
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
線形回帰モデルを使用してターゲットを予測する SdcaRegressionTrainerを作成します。
|
|
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)
|
NLP 文の類似性のために NAS-BERT モデルを微調整します。 任意の文の制限は 512 トークンです。 通常、各単語は 1 つのトークンにマップされ、2 つの指定されたトークン (開始トークンと区切り記号トークン) が自動的に追加されるため、一般に、この制限はすべての文に対して 510 単語になります。
|
|
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)
|
NLP 文の類似性のために NAS-BERT モデルを微調整します。 任意の文の制限は 512 トークンです。 通常、各単語は 1 つのトークンにマップされ、2 つの指定されたトークン (開始トークンと区切り記号トークン) が自動的に追加されるため、一般に、この制限はすべての文に対して 510 単語になります。
|