DataOperationsCatalog.LoadFromEnumerable Methode

Definition

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v2.0.0

Überlädt

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)

Erstellen Sie eine neue IDataView Aufzählung der Elemente des benutzerdefinierten Typs. Der Benutzer verwaltet den Besitz der data und der resultierenden Datenansicht wird den Inhalt der dataDatei nie ändern. Da angenommen IDataView wird, dass der Benutzer unveränderlich ist, wird erwartet, dass mehrere Aufzählungen data der gleichen Ergebnisse zurückgegeben werden, es sei denn, der Benutzer weiß, dass die Daten nur einmal cursort werden. Eine typische Verwendung für die Streamingdatenansicht könnte sein: Erstellen Sie die Datenansicht, die Daten nach Bedarf lazily lädt, und wenden Sie dann vorab trainierte Transformationen auf sie an und cursorn sie für Transformationsergebnisse.

LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)

Erstellen Sie eine neue IDataView Aufzählung der Elemente des benutzerdefinierten Typs mithilfe des angegebenen DataViewSchemaTyps, der möglicherweise mehr Informationen über das Schema enthält, als der Typ erfassen kann.

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)

Erstellen Sie eine neue IDataView Aufzählung der Elemente des benutzerdefinierten Typs. Der Benutzer verwaltet den Besitz der data und der resultierenden Datenansicht wird den Inhalt der dataDatei nie ändern. Da angenommen IDataView wird, dass der Benutzer unveränderlich ist, wird erwartet, dass mehrere Aufzählungen data der gleichen Ergebnisse zurückgegeben werden, es sei denn, der Benutzer weiß, dass die Daten nur einmal cursort werden.

Eine typische Verwendung für die Streamingdatenansicht könnte sein: Erstellen Sie die Datenansicht, die Daten nach Bedarf lazily lädt, und wenden Sie dann vorab trainierte Transformationen auf sie an und cursorn sie für Transformationsergebnisse.

public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.Data.SchemaDefinition schemaDefinition = default) where TRow : class;

member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.Data.SchemaDefinition -> Microsoft.ML.IDataView (requires 'Row : null)

Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), Optional schemaDefinition As SchemaDefinition = Nothing) As IDataView

Typparameter

TRow

Der benutzerdefinierte Elementtyp.

Parameter

data

IEnumerable<TRow>

Die aufzählbaren Daten, die typ TRow enthalten, um in ein IDataView.

schemaDefinition

SchemaDefinition

Die optionale Schemadefinition der zu erstellenden Datenansicht. Wenn nulldie Schemadefinition von TRow.

Gibt zurück

IDataView

Der gebaute IDataView.

Beispiele

using System;
using System.Collections.Generic;
using Microsoft.ML;
using Microsoft.ML.Data;

namespace Samples.Dynamic
{
    public static class LoadFromEnumerable
    {
        // Creating IDataView from IEnumerable, and setting the size of the vector
        // at runtime. When the data model is defined through types, setting the
        // size of the vector is done through the VectorType annotation. When the
        // size of the data is not known at compile time, the Schema can be directly
        // modified at runtime and the size of the vector set there. This is
        // important, because most of the ML.NET trainers require the Features
        // vector to be of known size. 
        public static void Example()
        {
            // Create a new context for ML.NET operations. It can be used for
            // exception tracking and logging, as a catalog of available operations
            // and as the source of randomness.
            var mlContext = new MLContext();

            // Get a small dataset as an IEnumerable.
            IEnumerable<DataPointVector> enumerableKnownSize = new DataPointVector[]
            {
               new DataPointVector{ Features = new float[]{ 1.2f, 3.4f, 4.5f, 3.2f,
                   7,5f } },

               new DataPointVector{ Features = new float[]{ 4.2f, 3.4f, 14.65f,
                   3.2f, 3,5f } },

               new DataPointVector{ Features = new float[]{ 1.6f, 3.5f, 4.5f, 6.2f,
                   3,5f } },

            };

            // Load dataset into an IDataView. 
            IDataView data = mlContext.Data.LoadFromEnumerable(enumerableKnownSize);
            var featureColumn = data.Schema["Features"].Type as VectorDataViewType;
            // Inspecting the schema
            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? True.
            // Size: 5.

            // If the size of the vector is unknown at compile time, it can be set 
            // at runtime.
            IEnumerable<DataPoint> enumerableUnknownSize = new DataPoint[]
            {
               new DataPoint{ Features = new float[]{ 1.2f, 3.4f, 4.5f } },
               new DataPoint{ Features = new float[]{ 4.2f, 3.4f, 1.6f } },
               new DataPoint{ Features = new float[]{ 1.6f, 3.5f, 4.5f } },
            };

            // The feature dimension (typically this will be the Count of the array 
            // of the features vector known at runtime).
            int featureDimension = 3;
            var definedSchema = SchemaDefinition.Create(typeof(DataPoint));
            featureColumn = definedSchema["Features"]
                .ColumnType as VectorDataViewType;

            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? False.
            // Size: 0.

            // Set the column type to be a known-size vector.
            var vectorItemType = ((VectorDataViewType)definedSchema[0].ColumnType)
                .ItemType;
            definedSchema[0].ColumnType = new VectorDataViewType(vectorItemType,
                featureDimension);

            // Read the data into an IDataView with the modified schema supplied in
            IDataView data2 = mlContext.Data
                .LoadFromEnumerable(enumerableUnknownSize, definedSchema);

            featureColumn = data2.Schema["Features"].Type as VectorDataViewType;
            // Inspecting the schema
            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? True. 
            // Size: 3.
        }
    }

    public class DataPoint
    {
        public float[] Features { get; set; }
    }

    public class DataPointVector
    {
        [VectorType(5)]
        public float[] Features { get; set; }
    }
}

LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)

Erstellen Sie eine neue IDataView Aufzählung der Elemente des benutzerdefinierten Typs mithilfe des angegebenen DataViewSchemaTyps, der möglicherweise mehr Informationen über das Schema enthält, als der Typ erfassen kann.

public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.DataViewSchema schema) where TRow : class;

member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.DataViewSchema -> Microsoft.ML.IDataView (requires 'Row : null)

Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), schema As DataViewSchema) As IDataView

Typparameter

TRow

Der benutzerdefinierte Elementtyp.

Parameter

data

IEnumerable<TRow>

Die aufzählbaren Daten, die typ TRow enthalten, um in ein IDataView.

schema

DataViewSchema

Das Schema der zurückgegebenen IDataView.

Gibt zurück

IDataView

Eine IDataView mit der gegebenen schema.

Hinweise

Der Benutzer verwaltet den Besitz der data und der resultierenden Datenansicht wird den Inhalt der dataDatei nie ändern. Da angenommen IDataView wird, dass der Benutzer unveränderlich ist, wird erwartet, dass mehrere Aufzählungen data der gleichen Ergebnisse zurückgegeben werden, es sei denn, der Benutzer weiß, dass die Daten nur einmal cursort werden. Eine typische Verwendung für die Streamingdatenansicht könnte sein: Erstellen Sie die Datenansicht, die Daten nach Bedarf lazily lädt, und wenden Sie dann vorab trainierte Transformationen auf sie an und cursorn sie für Transformationsergebnisse. Eine praktische Verwendung ders wäre es, die Featurespaltennamen über die DataViewSchema.Annotations.