NormalizationCatalog Klasse

Definition

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Transforms.dll

Paket:

Microsoft.ML v3.0.1

Sammlung von Erweiterungsmethoden zum TransformsCatalog Erstellen von Instanzen numerischer Normalisierungskomponenten.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Vererbung

Object

NormalizationCatalog

Methoden

NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Erstellen Sie eine NormalizingEstimator, die normalisiert wird, indem Sie die Daten in Bins mit gleicher Dichte zuweisen.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Erstellen Sie eine NormalizingEstimator, die normalisiert wird, indem Sie die Daten in Bins mit gleicher Dichte zuweisen.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Erstellen Sie eine GlobalContrastNormalizingEstimator, die Spalten einzeln normalisiert, indem Sie die normalisierung des globalen Kontrasts anwenden. Die Einstellung ensureZeroMean auf true, wendet einen Vorverarbeitungsschritt an, um den Mittelwert der angegebenen Spalte als Nullvektor festzulegen.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Erstellen Sie einen NormalizingEstimator, der basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Erstellen Sie einen NormalizingEstimator, der basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Erstellen Sie einen NormalizingEstimator, der basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Erstellen Sie einen NormalizingEstimator, der basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Erstellen Sie einen LpNormNormalizingEstimator, der Vektoren (Skalierungen) in der Eingabespalte auf die Einheitsnorm normalisiert. Die Art der norm, die verwendet wird, wird durch normdefiniert. Die Einstellung ensureZeroMean auf true, wendet einen Vorverarbeitungsschritt an, um den Mittelwert der angegebenen Spalte als Nullvektor zu gestalten.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz der Daten normalisiert wird.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz der Daten normalisiert wird.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Erstellen Sie ein NormalizingEstimator, das basierend auf den beobachteten Mindest- und Höchstwerten der Daten normalisiert wird.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Erstellen Sie ein NormalizingEstimator, das basierend auf den beobachteten Mindest- und Höchstwerten der Daten normalisiert wird.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Erstellen Sie einen NormalizingEstimator, der die Verwendung von Statistiken normalisiert, die robust für Ausreißer sind, indem Sie die Daten um 0 zentrieren (den Median entfernen) und die Daten entsprechend dem Quantile-Bereich skalieren (Standardeinstellungen für den Interquartilbereich).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Erstellen Sie einen NormalizingEstimator, der die Verwendung von Statistiken normalisiert, die robust für Ausreißer sind, indem Sie die Daten um 0 zentrieren (den Median entfernen) und die Daten entsprechend dem Quantile-Bereich skalieren (Standardeinstellungen für den Interquartilbereich).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Erstellen Sie einen NormalizingEstimator, der die Daten normalisiert, indem Sie die Daten basierend auf der Korrelation mit der labelColumnName Spalte zuweisen.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Erstellen Sie einen NormalizingEstimator, der die Daten normalisiert, indem Sie die Daten basierend auf der Korrelation mit der labelColumnName Spalte zuweisen.