ApproximatedKernelMappingEstimator Klasse

Definition

Namespace:

Microsoft.ML.Transforms

Assembly:

Microsoft.ML.Transforms.dll

Paket:

Microsoft.ML v3.0.1

Ordnet Vektorspalten einem bereich mit geringen Dimensionen zu.

public sealed class ApproximatedKernelMappingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.ApproximatedKernelTransformer>

type ApproximatedKernelMappingEstimator = class
    interface IEstimator<ApproximatedKernelTransformer>

Public NotInheritable Class ApproximatedKernelMappingEstimator
Implements IEstimator(Of ApproximatedKernelTransformer)

Vererbung

Object

ApproximatedKernelMappingEstimator

Implementiert

IEstimator<ApproximatedKernelTransformer>

Hinweise

Stimatoreigenschaften

Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren?	Yes
Eingabespaltendatentyp	Bekannte Größe des Vektors Single
Ausgabespaltendatentyp	Bekannte Größe des Vektors Single
Exportierbar in ONNX	No

Das resultierende ApproximatedKernelTransformer Objekt erstellt eine neue Spalte, die in den Parametern für die Ausgabespaltennamen angegeben ist, wobei jeder Eingabevektor einem Featurebereich zugeordnet wird, in dem innere Produkte ungefähr eine von zwei Umschalt-invarianten Kernelfunktionen annähern: Der Gaussian-Kernel oder der Laplacian-Kernel. Durch zuordnung von Features zu einem Leerraum, der nicht linearen Kernel annähert, können lineare Methoden verwendet werden, um komplexere Kernel-SVM-Modelle zu erreichen. Diese Zuordnung basiert auf dem Papier Zufällige Features für Large-Scale Kernel-Computer von Rahimi und Recht.

Überprüfen Sie den Abschnitt "Siehe auch", um Links zu Verwendungsbeispielen zu finden.

Methoden

Fit(IDataView)	Züge und gibt einen ApproximatedKernelTransformer.
GetOutputSchema(SchemaShape)	Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet.

Erweiterungsmethoden

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

Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgelagerten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen.

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

Wenn sie eine Schätzung erhalten, geben Sie ein Umbruchobjekt zurück, das einen Delegaten aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen darüber zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformerObjekt zurückzugeben. IEstimator<TTransformer> Gleichzeitig werden jedoch häufig Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern erstellen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die aufgerufen wird, sobald sie aufgerufen wird.

Weitere Informationen

• ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)