Microsoft.ML.Transforms Namespace

Mapeia colunas de vetor para um espaço de recurso de baixa dimensão.

ITransformer resultante da montagem de um ApproximatedKernelMappingEstimator.

Concatena uma ou mais colunas de entrada em uma nova coluna de saída.

IEstimator<TTransformer> para o ColumnCopyingTransformer.

ITransformer resultante da montagem de um ColumnCopyingEstimator.

Mantém ou descarta colunas selecionadas de um IDataView.

ITransformer resultante da montagem de um ColumnSelectingEstimator.

Seleciona os slots para os quais a contagem de valores não padrão é maior ou igual a um limite.

Aplica uma função de mapeamento personalizada às colunas de entrada especificadas. O resultado será em colunas de saída.

O tipo base para fábricas de mapeamento personalizadas.

Coloque esse atributo em um tipo para fazer com que ele seja considerado uma fábrica de mapeamento personalizada.

ITransformer resultante da montagem de um CustomMappingEstimator<TSrc,TDst>.

Esse avaliador aplica uma expressão fornecida pelo usuário (especificada como uma cadeia de caracteres) a valores de coluna de entrada para produzir novos valores de coluna de saída.

Namespace que contém componentes de transformação de dados .

Avaliador para FeatureContributionCalculatingTransformer. Calcula contribuições específicas do modelo por recurso para a pontuação de cada vetor de entrada.

ITransformer resultante da montagem de um FeatureContributionCalculatingEstimator.

O kernel gaussiano.

Normaliza vetores (escalas) na coluna de entrada aplicando a normalização de contraste global.

Avaliador para HashingTransformero qual hashes colunas de valor único ou colunas de vetor. Para colunas de vetor, cria hashes de cada slot separadamente.

Descreve como o transformador lida com um par de colunas.

ITransformer resultante da montagem de um HashingEstimator.

Essa classe indica qual kernel deve ser aproximado pelo ApproximatedKernelTransformer. .

Avaliador para KeyToBinaryVectorMappingTransformer. Converte tipos de chave em sua representação binária correspondente do valor original.

ITransformer resultante da montagem de um KeyToBinaryVectorMappingEstimator.

Avaliador para KeyToValueMappingTransformer. Converte os tipos de chave de volta em seus valores originais.

ITransformer resultante da montagem de um KeyToValueMappingEstimator.

Avaliador para KeyToVectorMappingTransformer. Mapeia o valor de uma chave em um vetor de tamanho conhecido de Single.

ITransformer resultante da montagem de um KeyToVectorMappingEstimator.

O kernel laplaciano.

Normaliza vetores (escalas) na coluna de entrada para a norma de unidade. O tipo de norma que é usado pode ser especificado pelo usuário.

Classe de avaliador base para LpNormNormalizingEstimator e GlobalContrastNormalizingEstimator normalizadores.

ITransformer resultante da montagem de um LpNormNormalizingEstimator ou GlobalContrastNormalizingEstimator.

IEstimator<TTransformer> para o MissingValueIndicatorTransformer.

ITransformer resultante da montagem de um MissingValueIndicatorEstimator.

IEstimator<TTransformer> para o MissingValueReplacingTransformer.

ITransformer resultante da montagem de um MissingValueReplacingEstimator.

Seleciona os slots k superiores em todas as colunas especificadas ordenadas por suas informações mútuas com a coluna de rótulo (o que você pode aprender sobre o rótulo observando o valor da coluna especificada).

IEstimator<TTransformer> para o NormalizingTransformer.

ITransformer resultante da montagem de um NormalizingEstimator.

Os parâmetros de modelo gerados por transformações de normalização de affine.

Os parâmetros de modelo gerados por buckettizing dos dados em compartimentos com aumento UpperBoundsmonotonicamente. O Density valor é constante de compartimento em compartimento, para a maioria dos casos. ///

Os parâmetros de modelo gerados por transformações de normalização de distribuição cumulativa. A função de densidade cumulativa é parametrizada por Mean e como observado durante a StandardDeviation montagem.

Classe base para todos os modelos de normalizador de dados, como NormalizingTransformer.AffineNormalizerModelParameters<TData>, NormalizingTransformer.BinNormalizerModelParameters<TData>, NormalizingTransformer.CdfNormalizerModelParameters<TData>.

Converte uma ou mais colunas de entrada de valores categóricos em tantas colunas de saída de vetores codificados de um hot.

ITransformer resultante da montagem de um OneHotEncodingEstimator.

Converte uma ou mais colunas de entrada de valores categóricos em tantas colunas de saída de vetores codificados com um hot baseado em hash.

ITransformer resultante da montagem de um OneHotHashEncodingEstimator.

O PCA é uma transformação de redução de dimensionalidade que calcula a projeção do vetor de recurso em um subespaço de baixa classificação.

O PCA é uma transformação de redução de dimensionalidade que calcula a projeção do vetor de recurso em um subespaço de baixa classificação.

Aplica uma função de mapeamento personalizada às colunas de entrada especificadas, permitindo um estado por cursor. O resultado será em colunas de saída.

O tipo base para fábricas de mapeamento personalizadas com estado.

ITransformer resultante da montagem de um StatefulCustomMappingEstimator<TSrc,TDst,TState>.

Ele TensorFlowTransformer é usado nos dois cenários a seguir.

1. Pontuação com o modelo TensorFlow pré-treinado: nesse modo, a transformação extrai os valores das camadas ocultas de um modelo tensorflow pré-treinado e usa saídas como recursos em ML.Net pipeline.
2. Retreinamento do modelo TensorFlow : nesse modo, a transformação treina novamente um modelo TensorFlow usando os dados do usuário passados por ML.Net pipeline. Depois que o modelo é treinado, suas saídas podem ser usadas como recursos para pontuação.

Essa classe contém as informações relacionadas ao modelo e à sessão do TensorFlow. Ele fornece alguns métodos convenientes para consultar o esquema de modelo, bem como a criação de TensorFlowEstimator objeto.

ITransformer para o TensorFlowEstimator.

A classe base para todas as entradas de transformação.

Avaliador para TypeConvertingTransformer. Converte o tipo de coluna de entrada subjacente em um novo tipo. Os tipos de coluna de entrada e saída precisam ser compatíveis. PrimitiveDataViewType

ITransformer resultante da montagem de um TypeConvertingEstimator.

Avaliador para ValueMappingTransformer criar um mapa chave-valor usando os pares de valores nos dados de entrada PrimitiveDataViewType

Avaliador para ValueMappingTransformer criar um mapa chave-valor usando os pares de valores nos dados de entrada PrimitiveDataViewType

ITransformer resultante da montagem de um ValueMappingEstimator.

IEstimator<TTransformer> para o ValueToKeyMappingTransformer. Converte um conjunto de valores categóricos (por exemplo, abreviações de estado dos EUA) em valores de chave numérica (por exemplo, 1 a 50). A chave numérica pode ser usada diretamente por algoritmos de classificação.

ITransformer resultante da montagem de um ValueToKeyMappingEstimator.

Namespace que contém componentes de transformação de dados .

Namespace que contém componentes de transformação de dados .

Essa interface permite estender a linguagem ExprTransform com funções adicionais.

Namespace que contém componentes de transformação de dados .

O tipo de vetores de norma de unidade é redimensionado. Essa enumeração é serializada.

As maneiras possíveis de substituir valores ausentes.

Namespace que contém componentes de transformação de dados .

Controla como a ordem das chaves de saída.

Qual técnica de clareamento de vetor usar. O clareamento ZCA garante que a covariância média entre variáveis em branco e originais seja máxima. Por outro lado, o clareamento de PCA leva a variáveis em branco maximicamente compactadas, conforme medido pela covariância quadrada.

Namespace que contém componentes de transformação de dados .