CategoricalCatalog.OneHotEncoding Metoda
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
Přetížení
| OneHotEncoding(TransformsCatalog+CategoricalTransforms, InputOutputColumnPair[], OneHotEncodingEstimator+OutputKind, Int32, ValueToKeyMappingEstimator+KeyOrdinality, IDataView) |
OneHotEncodingEstimatorVytvořte objekt , který převede jeden nebo více vstupních textových sloupců zadaných |
| OneHotEncoding(TransformsCatalog+CategoricalTransforms, String, String, OneHotEncodingEstimator+OutputKind, Int32, ValueToKeyMappingEstimator+KeyOrdinality, IDataView) |
OneHotEncodingEstimatorVytvořte , který převede vstupní sloupec určený sloupcem |
OneHotEncoding(TransformsCatalog+CategoricalTransforms, InputOutputColumnPair[], OneHotEncodingEstimator+OutputKind, Int32, ValueToKeyMappingEstimator+KeyOrdinality, IDataView)
OneHotEncodingEstimatorVytvořte objekt , který převede jeden nebo více vstupních textových sloupců zadaných columns do tolika sloupců s jedním zakódovanými vektory.
public static Microsoft.ML.Transforms.OneHotEncodingEstimator OneHotEncoding (this Microsoft.ML.TransformsCatalog.CategoricalTransforms catalog, Microsoft.ML.InputOutputColumnPair[] columns, Microsoft.ML.Transforms.OneHotEncodingEstimator.OutputKind outputKind = Microsoft.ML.Transforms.OneHotEncodingEstimator+OutputKind.Indicator, int maximumNumberOfKeys = 1000000, Microsoft.ML.Transforms.ValueToKeyMappingEstimator.KeyOrdinality keyOrdinality = Microsoft.ML.Transforms.ValueToKeyMappingEstimator+KeyOrdinality.ByOccurrence, Microsoft.ML.IDataView keyData = default);static member OneHotEncoding : Microsoft.ML.TransformsCatalog.CategoricalTransforms * Microsoft.ML.InputOutputColumnPair[] * Microsoft.ML.Transforms.OneHotEncodingEstimator.OutputKind * int * Microsoft.ML.Transforms.ValueToKeyMappingEstimator.KeyOrdinality * Microsoft.ML.IDataView -> Microsoft.ML.Transforms.OneHotEncodingEstimator<Extension()>
Public Function OneHotEncoding (catalog As TransformsCatalog.CategoricalTransforms, columns As InputOutputColumnPair(), Optional outputKind As OneHotEncodingEstimator.OutputKind = Microsoft.ML.Transforms.OneHotEncodingEstimator+OutputKind.Indicator, Optional maximumNumberOfKeys As Integer = 1000000, Optional keyOrdinality As ValueToKeyMappingEstimator.KeyOrdinality = Microsoft.ML.Transforms.ValueToKeyMappingEstimator+KeyOrdinality.ByOccurrence, Optional keyData As IDataView = Nothing) As OneHotEncodingEstimatorParametry
Katalog transformací
- columns
- InputOutputColumnPair[]
Dvojice vstupních a výstupních sloupců. Datový typ výstupních sloupců bude vektorem Single , zda outputKind je Bag, Indicatora Binary.
Pokud outputKind ano Key, datový typ výstupních sloupců bude klíčem v případě skalárního vstupního sloupce nebo vektoru klíčů v případě vstupního sloupce vektoru.
- outputKind
- OneHotEncodingEstimator.OutputKind
Typ výstupu: Taška (vektor s více sadami), Ind (vektor ukazatele), Klíč (index) nebo Binární kódovaný vektor indikátoru.
- maximumNumberOfKeys
- Int32
Maximální počet termínů, které se mají zachovat na sloupec při automatickém trénování
- keyOrdinality
- ValueToKeyMappingEstimator.KeyOrdinality
Jak se mají položky uspořádat při vektorizaci. Pokud ByOccurrence zvolíte, budou v pořadí, ve které došlo. Pokud ByValuejsou položky seřazené podle výchozího porovnání, například řazení textu bude citlivé na malá a velká písmena (například "A" pak "Z" pak "a").
- keyData
- IDataView
Určuje pořadí kódování. Pokud je zadáno, mělo by se jednat o zobrazení dat jednoho sloupce a hodnoty klíče budou převzaty z tohoto sloupce. Pokud není zadáno, pořadí se určí ze vstupních dat při montáži.
Návraty
Příklady
using System;
using Microsoft.ML;
namespace Samples.Dynamic.Transforms.Categorical
{
public static class OneHotEncodingMultiColumn
{
public static void Example()
{
// Create a new ML context for ML.NET operations. It can be used for
// exception tracking and logging as well as the source of randomness.
var mlContext = new MLContext();
// Create a small dataset as an IEnumerable.
var samples = new[]
{
new DataPoint {Education = "0-5yrs", ZipCode = "98005"},
new DataPoint {Education = "0-5yrs", ZipCode = "98052"},
new DataPoint {Education = "6-11yrs", ZipCode = "98005"},
new DataPoint {Education = "6-11yrs", ZipCode = "98052"},
new DataPoint {Education = "11-15yrs", ZipCode = "98005"}
};
// Convert training data to IDataView.
IDataView data = mlContext.Data.LoadFromEnumerable(samples);
// Multi column example: A pipeline for one hot encoding two columns
// 'Education' and 'ZipCode'.
var multiColumnKeyPipeline =
mlContext.Transforms.Categorical.OneHotEncoding(
new[]
{
new InputOutputColumnPair("Education"),
new InputOutputColumnPair("ZipCode")
});
// Fit and Transform data.
IDataView transformedData =
multiColumnKeyPipeline.Fit(data).Transform(data);
var convertedData =
mlContext.Data.CreateEnumerable<TransformedData>(transformedData,
true);
Console.WriteLine(
"One Hot Encoding of two columns 'Education' and 'ZipCode'.");
// One Hot Encoding of two columns 'Education' and 'ZipCode'.
foreach (TransformedData item in convertedData)
Console.WriteLine("{0}\t\t\t{1}", string.Join(" ", item.Education),
string.Join(" ", item.ZipCode));
// 1 0 0 1 0
// 1 0 0 0 1
// 0 1 0 1 0
// 0 1 0 0 1
// 0 0 1 1 0
}
private class DataPoint
{
public string Education { get; set; }
public string ZipCode { get; set; }
}
private class TransformedData
{
public float[] Education { get; set; }
public float[] ZipCode { get; set; }
}
}
}
Poznámky
Pokud se do odhadce předá více sloupců, budou všechny sloupce zpracovány v jediném předání dat. Proto je efektivnější určit jeden estimátor s mnoha sloupci, než je určit mnoho estimátorů každý s jedním sloupcem.
Platí pro
OneHotEncoding(TransformsCatalog+CategoricalTransforms, String, String, OneHotEncodingEstimator+OutputKind, Int32, ValueToKeyMappingEstimator+KeyOrdinality, IDataView)
OneHotEncodingEstimatorVytvořte , který převede vstupní sloupec určený sloupcem inputColumnName na sloupec s jedním zakódovanými vektory s názvem outputColumnName.
public static Microsoft.ML.Transforms.OneHotEncodingEstimator OneHotEncoding (this Microsoft.ML.TransformsCatalog.CategoricalTransforms catalog, string outputColumnName, string inputColumnName = default, Microsoft.ML.Transforms.OneHotEncodingEstimator.OutputKind outputKind = Microsoft.ML.Transforms.OneHotEncodingEstimator+OutputKind.Indicator, int maximumNumberOfKeys = 1000000, Microsoft.ML.Transforms.ValueToKeyMappingEstimator.KeyOrdinality keyOrdinality = Microsoft.ML.Transforms.ValueToKeyMappingEstimator+KeyOrdinality.ByOccurrence, Microsoft.ML.IDataView keyData = default);static member OneHotEncoding : Microsoft.ML.TransformsCatalog.CategoricalTransforms * string * string * Microsoft.ML.Transforms.OneHotEncodingEstimator.OutputKind * int * Microsoft.ML.Transforms.ValueToKeyMappingEstimator.KeyOrdinality * Microsoft.ML.IDataView -> Microsoft.ML.Transforms.OneHotEncodingEstimator<Extension()>
Public Function OneHotEncoding (catalog As TransformsCatalog.CategoricalTransforms, outputColumnName As String, Optional inputColumnName As String = Nothing, Optional outputKind As OneHotEncodingEstimator.OutputKind = Microsoft.ML.Transforms.OneHotEncodingEstimator+OutputKind.Indicator, Optional maximumNumberOfKeys As Integer = 1000000, Optional keyOrdinality As ValueToKeyMappingEstimator.KeyOrdinality = Microsoft.ML.Transforms.ValueToKeyMappingEstimator+KeyOrdinality.ByOccurrence, Optional keyData As IDataView = Nothing) As OneHotEncodingEstimatorParametry
Katalog transformací
- outputColumnName
- String
Název sloupce, který je výsledkem transformace inputColumnName.
Datový typ tohoto sloupce bude vektorem Single , zda outputKind je Bag, Indicatora Binary.
Pokud outputKind ano Key, datový typ tohoto sloupce bude klíčem v případě skalárního vstupního sloupce nebo vektoru klíčů v případě vstupního sloupce vektoru.
- inputColumnName
- String
Název sloupce, který se má převést na vektory typu 1-hot. Pokud je nastavená hodnota null, použije se jako zdroj hodnota outputColumnName . Datový typ tohoto sloupce může být skalární nebo vektor číselných, textových, logických nebo DateTime ,DateTimeOffset
- outputKind
- OneHotEncodingEstimator.OutputKind
Typ výstupu: Bag (multi-set vector), Indikátor (vektor ukazatele), Klíč (index) nebo Binární kódovaný vektor indikátoru.
- maximumNumberOfKeys
- Int32
Maximální počet termínů, které se mají zachovat na sloupec při automatickém trénování
- keyOrdinality
- ValueToKeyMappingEstimator.KeyOrdinality
Jak se mají položky uspořádat při vektorizaci. Pokud ByOccurrence zvolíte, budou v pořadí, ve které došlo. Pokud ByValuejsou položky seřazené podle výchozího porovnání, například řazení textu bude citlivé na malá a velká písmena (například "A" pak "Z" pak "a").
- keyData
- IDataView
Určuje pořadí kódování. Pokud je zadáno, mělo by se jednat o zobrazení dat jednoho sloupce a hodnoty klíče budou převzaty z tohoto sloupce. Pokud není zadáno, pořadí se určí ze vstupních dat při montáži.
Návraty
Příklady
using System;
using Microsoft.ML;
using Microsoft.ML.Data;
using Microsoft.ML.Transforms;
namespace Samples.Dynamic.Transforms.Categorical
{
public static class OneHotEncoding
{
public static void Example()
{
// Create a new ML context for ML.NET operations. It can be used for
// exception tracking and logging as well as the source of randomness.
var mlContext = new MLContext();
// Create a small dataset as an IEnumerable.
var samples = new[]
{
new DataPoint {Education = "0-5yrs"},
new DataPoint {Education = "0-5yrs"},
new DataPoint {Education = "6-11yrs"},
new DataPoint {Education = "6-11yrs"},
new DataPoint {Education = "11-15yrs"}
};
// Convert training data to IDataView.
IDataView data = mlContext.Data.LoadFromEnumerable(samples);
// A pipeline for one hot encoding the Education column.
var pipeline = mlContext.Transforms.Categorical.OneHotEncoding(
"EducationOneHotEncoded", "Education");
// Fit and transform the data.
IDataView oneHotEncodedData = pipeline.Fit(data).Transform(data);
PrintDataColumn(oneHotEncodedData, "EducationOneHotEncoded");
// We have 3 slots because there are three categories in the
// 'Education' column.
// 1 0 0
// 1 0 0
// 0 1 0
// 0 1 0
// 0 0 1
// A pipeline for one hot encoding the Education column (using keying).
var keyPipeline = mlContext.Transforms.Categorical.OneHotEncoding(
"EducationOneHotEncoded", "Education",
OneHotEncodingEstimator.OutputKind.Key);
// Fit and Transform data.
oneHotEncodedData = keyPipeline.Fit(data).Transform(data);
var keyEncodedColumn =
oneHotEncodedData.GetColumn<uint>("EducationOneHotEncoded");
Console.WriteLine(
"One Hot Encoding of single column 'Education', with key type " +
"output.");
// One Hot Encoding of single column 'Education', with key type output.
foreach (uint element in keyEncodedColumn)
Console.WriteLine(element);
// 1
// 1
// 2
// 2
// 3
}
private static void PrintDataColumn(IDataView transformedData,
string columnName)
{
var countSelectColumn = transformedData.GetColumn<float[]>(
transformedData.Schema[columnName]);
foreach (var row in countSelectColumn)
{
for (var i = 0; i < row.Length; i++)
Console.Write($"{row[i]}\t");
Console.WriteLine();
}
}
private class DataPoint
{
public string Education { get; set; }
}
}
}