Microsoft.ML Namespace

Esse é um método de extensão a ser usado com o DnnImageFeaturizerEstimator para usar um modelo pré-treinado AlexNet. O NuGet que contém essa extensão também garante a inclusão do arquivo de modelo binário.

Classe usada por MLContext para criar instâncias de componentes de detecção de anomalias, como treinadores e avaliadores.

Classe usada por MLContext para criar instâncias de treinadores de detecção de anomalias.

Classe usada por MLContext para criar instâncias de componentes de classificação binária, como treinadores e calibradores.

Classe usada por MLContext para criar instâncias de treinadores de classificação binária.

Classe usada por MLContext para criar instâncias de calibradores de classificação binária.

Coleção de métodos de extensão para criar DataOperationsCatalog instâncias de componentes para salvar e ler IDataView objetos de e para um formato binário de alto desempenho.

Coleção de métodos de extensão para TransformsCatalog.CategoricalTransforms criar componentes categóricos do transformador.

Classe usada por MLContext para criar instâncias de componentes clustering, como treinadores.

Classe usada por MLContext para criar instâncias de clustering treinadores.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de chave para componentes do transformador de mapeamento de vetor binário

Coleção de métodos de extensão para TransformsCatalog criar instâncias de conversão de dados e mapeamento de componentes do transformador.

Classe que contém um método de extensão para TransformsCatalog criar instâncias de componentes do transformador de mapeamento de linha um para um definidos pelo usuário.

Coleção de métodos de extensão para a DataOperationsCatalog leitura de bancos de dados.

Classe usada para carregar dados de um ou mais arquivos.

Classe usada para criar componentes que operam em dados, mas não fazem parte do pipeline de treinamento de modelo. Inclui componentes para carregar, salvar, armazenar em cache, filtrar, embaralhar e dividir dados.

Uma linha lógica de dados. Pode ser uma linha de uma IDataView ou uma linha autônoma.

Classe usada para cursor por meio de linhas de um IDataView.

Representa o esquema de um IDataView ou um DataViewRow. O esquema é uma coleção de DataViewSchema.Column.

As anotações de esquema de um DataViewSchema.Column.

Classe que contém operações para criar um DataViewSchema.Annotations.

Classe que contém operações para criar um DataViewSchema.

Classe usada para criar instâncias de objetos de visualização para depuração. Observação: essa classe e todos os métodos só devem ser usados para depuração e não em código de produção.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes de explicabilidade de modelo.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

O tipo de atributo base para todos os atributos usados para fins de extensibilidade.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes de transformador de valor ausentes.

Coleção de métodos de extensão para criar BinaryClassificationCatalog instâncias de componentes do treinador de factorization com reconhecimento de campo.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes do transformador de seleção de recursos.

Classe usada por MLContext para criar instâncias de componentes de previsão.

Classe usada por MLContext para criar instâncias de treinadores de previsão.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes do transformador de processamento de imagem.

Especifica nomes de coluna de entrada e saída para componentes do transformador que operam em várias colunas.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes do transformador de engenharia de recursos do método kernel.

Coleção de métodos de extensão para criar ClusteringCatalog.ClusteringTrainers instâncias de treinadores KMeans.

Métodos de extensão que permitem o encadeamento de pipelines de avaliador e transformador.

Coleção de métodos de extensão para os RegressionCatalog.RegressionTrainerscatálogos , BinaryClassificationCatalog.BinaryClassificationTrainersRankingCatalog.RankingTrainers, e MulticlassClassificationCatalog.MulticlassClassificationTrainers .

Fornece dados para o evento de Log .

Coleção de métodos de extensão para RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerse TransformsCatalog para criar componentes de transformação e treinador MKL (Biblioteca de Kernel de Matemática).

O contexto comum para todas as operações de ML.NET. Depois de instanciado pelo usuário, ele fornece uma maneira de criar componentes para preparação de dados, engenharia de recursos, treinamento, previsão e avaliação de modelo. Ele também permite o registro em log, o controle de execução e a capacidade de definir números aleatórios repetíveis.

Classe usada por MLContext para salvar e carregar modelos treinados.

Objeto de contexto de conveniência para salvar modelos em um repositório, para implementadores de ICanSaveModel.

Classe usada por MLContext para criar instâncias de componentes de classificação multiclasse, como treinadores.

Classe usada por MLContext para criar instâncias de treinadores de classificação multiclasse.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes de normalização numérica.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

Coleção de métodos de extensão usados pelos AnomalyDetectionCatalog.AnomalyDetectionTrainerscatálogos e TransformsCatalog para criar instâncias de componentes de PCA (Análise de Componente Principal).

Coleção de métodos de extensão usados por RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCataloge RankingCatalog para criar instâncias de componentes de importância do recurso de permutação.

Classe para fazer previsões individuais em um modelo treinado anteriormente (e pipeline de transformação anterior).

Classe base para fazer previsões individuais em um modelo treinado anteriormente (e no pipeline de transformação anterior).

Opções para o PredictionEngine<TSrc,TDst>

Classe usada por MLContext para criar instâncias de componentes de classificação, como treinadores e avaliadores.

Classe usada por MLContext para criar instâncias de treinadores de classificação.

O catálogo central para treinadores de recomendações e tarefas.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

Classe usada por MLContext para criar instâncias de componentes de regressão, como treinadores e avaliadores.

Classe usada por MLContext para criar instâncias de treinadores de regressão.

Esse é um método de extensão a ser usado com o DnnImageFeaturizerEstimator para usar um modelo ResNet101 pré-treinado. O NuGet que contém essa extensão também garante a inclusão do arquivo de modelo binário.

Esse é um método de extensão a ser usado com o DnnImageFeaturizerEstimator para usar um modelo ResNet18 pré-treinado. O NuGet que contém essa extensão também garante a inclusão do arquivo de modelo binário.

Esse é um método de extensão a ser usado com o DnnImageFeaturizerEstimator para usar um modelo ResNet50 pré-treinado. O NuGet que contém essa extensão também garante a inclusão do arquivo de modelo binário.

Um conjunto de "requisitos" para o esquema de entrada, bem como um conjunto de "promessas" do esquema de saída. Isso é mais relaxado do que o adequado DataViewSchema, pois é apenas um subconjunto das colunas e também porque não especifica os itens exatos DataViewTypepara vetores e chaves.

Coleção de métodos de extensão para RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerse MulticlassClassificationCatalog.MulticlassClassificationTrainers para criar instâncias de componentes do treinador.

O TensorFlowTransformer é usado nos dois cenários a seguir.

1. Pontuação com 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.

Coleção de métodos de extensão para o TransformsCatalog.

Coleção de métodos de extensão para a DataOperationsCatalog leitura de arquivos de texto delimitados, como csv e tsv.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

Classe base para os catálogos de treinadores.

As subclasses de Microsoft.ML.TrainContext fornecerão poucos objetos conectáveis do "método de extensão" (por exemplo, algo como Trainers). O código do usuário só interagirá com esses objetos invocando os métodos de extensão. O código de componente real pode funcionar Microsoft.ML.Data.CatalogUtils para obter mais informações "ocultas" desse objeto, por exemplo, o ambiente.

Resultados da execução da validação cruzada.

Características de um treinador. Exposto por meio da propriedade Info de cada treinador.

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes de transformação que manipulam colunas.

Classe usada por MLContext para criar instâncias de componentes de transformação.

Classe usada por MLContext para criar instâncias de componentes categóricos de transformação de dados.

Classe usada por MLContext para criar instâncias de componentes de transformação de dados de conversão de tipo.

Classe usada por MLContext para criar instâncias de componentes de transformação de seleção de recursos.

Classe usada por MLContext para criar instâncias de componentes de transformação de dados de texto.

Coleção de métodos de extensão usados por RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCatalog, RankingCataloge TransformsCatalog para criar instâncias de treinadores de árvore de decisão e featurizers.

Coleção de métodos de extensão para MulticlassClassificationCatalog.MulticlassClassificationTrainers criar instâncias de componentes do treinador ImageClassification.

Um par de conjuntos de dados para o conjunto de treinamento e teste.

Essa classe descreve uma coluna no esquema específico.

Essa classe representa o esquema de uma coluna de uma exibição de dados, sem um anexo a um determinado DataViewSchema.

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

Para salvar um modelo em um repositório. A implementação de ICanSaveModel classes deve fazer uma implementação explícita do Save(ModelSaveContext). As classes herdadas ICanSaveModel de uma classe base devem substituir a função invocada por Save(ModelSaveContext) nessa classe base, se houver uma.

O 'carregador de dados' usa um determinado tipo de entrada e o transforma em um IDataView.

Às vezes, precisamos 'ajustar' um IDataLoader<TSource>. Um avaliador do DataLoader é o objeto que o faz.

A entrada e a saída dos operadores de consulta (Transformações). Esse é o tipo de pipeline de dados fundamental, comparável a IEnumerable<T> para LINQ.

O avaliador (na terminologia do Spark) é um "transformador não treinado". Ele precisa 'caber' nos dados para fabricar um transformador. Ele também fornece a "propagação de esquema" como os transformadores fazem, mas em SchemaShape vez de DataViewSchema.

Uma interface para todo o transformador que pode transformar dados com base no Microsoft.ML.IPredictor campo . As implementações dessa interface não têm coluna de recurso ou têm mais de uma coluna de recurso e não podem implementar o ISingleFeaturePredictionTransformer<TModel>, que a maioria dos ML.Net tranformer implementa.

Um ISingleFeaturePredictionTransformer contém o nome do FeatureColumnName e seu tipo, FeatureColumnType. Implementações dessa interface têm a capacidade de pontuar os dados de uma entrada IDataView por meio do Transform(IDataView)

O transformador é um componente que transforma dados. Ele também dá suporte à "propagação de esquema" para responder à pergunta de "como serão os dados com esse esquema, depois de transformá-los?".

O namespace main para ML.NET. Contém contextos de aplicativos e operações, catálogos de transformadores e treinadores e componentes para processamento de exibição de dados.

Delegar tipo para obter um valor. Isso pode ser usado para acesso eficiente a dados em um DataViewRow ou DataViewRowCursor.