TrivialEstimator<TTransformer> Třída

Definice

Obor názvů:

Microsoft.ML.Data

Sestavení:

Microsoft.ML.Data.dll

Balíček:

Microsoft.ML v2.0.0

Triviální implementaceIEstimator<TTransformer>, která již má transformátor a vrací ho při každém volání .Fit(IDataView)

Konkrétní implementace stále musí poskytovat mechanismus šíření schématu, protože neexistuje snadný způsob, jak jej odvodit z transformátoru.

public abstract class TrivialEstimator<TTransformer> : Microsoft.ML.IEstimator<TTransformer> where TTransformer : class, ITransformer

type TrivialEstimator<'ransformer (requires 'ransformer : null and 'ransformer :> ITransformer)> = class
    interface IEstimator<'ransformer (requires 'ransformer : null and 'ransformer :> ITransformer)>

Public MustInherit Class TrivialEstimator(Of TTransformer)
Implements IEstimator(Of TTransformer)

Parametry typu

TTransformer

Dědičnost

Object

TrivialEstimator<TTransformer>

Odvozené

Microsoft.ML.Data.ImageLoadingEstimator

Microsoft.ML.Transforms.ColumnCopyingEstimator

Microsoft.ML.Transforms.ColumnSelectingEstimator

Microsoft.ML.Transforms.CustomMappingEstimator<TSrc,TDst>

Microsoft.ML.Transforms.FeatureContributionCalculatingEstimator

Microsoft.ML.Transforms.Image.ImageGrayscalingEstimator

Microsoft.ML.Transforms.Image.ImagePixelExtractingEstimator

Microsoft.ML.Transforms.Image.ImageResizingEstimator

Microsoft.ML.Transforms.Image.VectorToImageConvertingEstimator

Microsoft.ML.Transforms.KeyToBinaryVectorMappingEstimator

Microsoft.ML.Transforms.KeyToValueMappingEstimator

Microsoft.ML.Transforms.KeyToVectorMappingEstimator

Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase

Microsoft.ML.Transforms.MissingValueIndicatorEstimator

Microsoft.ML.Transforms.Onnx.OnnxScoringEstimator

Microsoft.ML.Transforms.StatefulCustomMappingEstimator<TSrc,TDst,TState>

Microsoft.ML.Transforms.Text.CustomStopWordsRemovingEstimator

Microsoft.ML.Transforms.Text.StopWordsRemovingEstimator

Microsoft.ML.Transforms.Text.TextNormalizingEstimator

Microsoft.ML.Transforms.Text.TokenizingByCharactersEstimator

Microsoft.ML.Transforms.Text.WordTokenizingEstimator

Microsoft.ML.Transforms.TimeSeries.IidChangePointEstimator

Microsoft.ML.Transforms.TimeSeries.IidSpikeEstimator

Microsoft.ML.Transforms.TimeSeries.SrCnnAnomalyEstimator

Microsoft.ML.Transforms.TypeConvertingEstimator

Microsoft.ML.Transforms.ValueMappingEstimator

Implementuje

IEstimator<TTransformer>

Metody

Fit(IDataView)	Triviální implementaceIEstimator<TTransformer>, která již má transformátor a vrací ho při každém volání .Fit(IDataView) Konkrétní implementace stále musí poskytovat mechanismus šíření schématu, protože neexistuje snadný způsob, jak jej odvodit z transformátoru.
GetOutputSchema(SchemaShape)	Triviální implementaceIEstimator<TTransformer>, která již má transformátor a vrací ho při každém volání .Fit(IDataView) Konkrétní implementace stále musí poskytovat mechanismus šíření schématu, protože neexistuje snadný způsob, jak jej odvodit z transformátoru.

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Pokud získáte odhadátor, vraťte obtékání objektu, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit.