|
FastForest(RegressionCatalog+RegressionTrainers, FastForestRegressionTrainer+Options)
|
Crie FastForestRegressionTrainer com opções avançadas, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastForest(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32)
|
Criar FastForestRegressionTrainer, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastTree(RegressionCatalog+RegressionTrainers, FastTreeRegressionTrainer+Options)
|
Crie FastTreeRegressionTrainer com opções avançadas, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastTree(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Criar FastTreeRegressionTrainer, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
|
Crie FastTreeTweedieTrainer usando opções avançadas, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
|
Criar FastTreeTweedieTrainer, que prevê um destino usando um modelo de regressão de árvore de decisão.
|
|
Gam(RegressionCatalog+RegressionTrainers, GamRegressionTrainer+Options)
|
Crie GamRegressionTrainer usando opções avançadas, que prevê um destino usando modelos aditivos generalizados (GAM).
|
|
Gam(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Double)
|
Criar GamRegressionTrainer, que prevê um destino usando modelos aditivos generalizados (GAM).
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, LbfgsPoissonRegressionTrainer+Options)
|
Crie LbfgsPoissonRegressionTrainer usando opções avançadas, que prevê um destino usando um modelo de regressão linear.
|
|
LbfgsPoissonRegression(RegressionCatalog+RegressionTrainers, String, String, String, Single, Single, Single, Int32, Boolean)
|
Criar LbfgsPoissonRegressionTrainer, que prevê um destino usando um modelo de regressão linear.
|
|
LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)
|
Crie LightGbmRegressionTrainer usando opções avançadas, que prevê um destino usando um modelo de regressão de árvore de decisão de aumento de gradiente.
|
|
LightGbm(RegressionCatalog+RegressionTrainers, Stream, String)
|
Crie LightGbmRegressionTrainer com base em um modelo LightGBM pré-treinado, que prevê um destino usando um gradiente que aumenta a regressão da árvore de decisão.
|
|
LightGbm(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
|
Criar LightGbmRegressionTrainer, que prevê um destino usando um modelo de regressão de árvore de decisão de aumento de gradiente.
|
|
Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)
|
Crie OlsTrainer com opções avançadas, que prevê um destino usando um modelo de regressão linear.
|
|
Ols(RegressionCatalog+RegressionTrainers, String, String, String)
|
Criar OlsTrainer, que prevê um destino usando um modelo de regressão linear.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
|
Crie OnlineGradientDescentTrainer usando opções avançadas, que prevê um destino usando um modelo de regressão linear.
|
|
OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
|
Criar OnlineGradientDescentTrainer, que prevê um destino usando um modelo de regressão linear.
|
|
Sdca(RegressionCatalog+RegressionTrainers, SdcaRegressionTrainer+Options)
|
Crie SdcaRegressionTrainer com opções avançadas, que prevê um destino usando um modelo de regressão linear.
|
|
Sdca(RegressionCatalog+RegressionTrainers, String, String, String, ISupportSdcaRegressionLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
|
Criar SdcaRegressionTrainer, que prevê um destino usando um modelo de regressão linear.
|
|
SentenceSimilarity(RegressionCatalog+RegressionTrainers, SentenceSimilarityTrainer+SentenceSimilarityOptions)
|
Ajuste um modelo NAS-BERT para similaridade da frase NLP. O limite para qualquer sentença é de 512 tokens. Cada palavra normalmente será mapeada para um único token e adicionaremos automaticamente dois tokens especulativos (um token inicial e um token separador), portanto, em geral, esse limite será de 510 palavras para todas as frases.
|
|
SentenceSimilarity(RegressionCatalog+RegressionTrainers, String, String, String, String, Int32, Int32, BertArchitecture, IDataView)
|
Ajuste um modelo NAS-BERT para similaridade da frase NLP. O limite para qualquer sentença é de 512 tokens. Cada palavra normalmente será mapeada para um único token e adicionaremos automaticamente dois tokens especulativos (um token inicial e um token separador), portanto, em geral, esse limite será de 510 palavras para todas as frases.
|