ColumnSelectingEstimator Klasse

Definition

Namespace:

Microsoft.ML.Transforms

Assembly:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v3.0.1

Hält ausgewählte Spalten von einer IDataView.

public sealed class ColumnSelectingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.ColumnSelectingTransformer>

type ColumnSelectingEstimator = class
    inherit TrivialEstimator<ColumnSelectingTransformer>

Public NotInheritable Class ColumnSelectingEstimator
Inherits TrivialEstimator(Of ColumnSelectingTransformer)

Vererbung

Object

TrivialEstimator<ColumnSelectingTransformer>

ColumnSelectingEstimator

Hinweise

Stimatoreigenschaften

Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren?	No
Datentyp für Eingabespalten	Any
Exportierbar in ONNX	Yes

Das ergebnis ColumnSelectingTransformer wird auf dem Schema eines gegebenen IDataView Vorgangs ausgeführt, indem ausgewählte Spalten aus dem Schema gelöscht oder beibehalten werden.

Es wird häufig verwendet, um unerwünschte Spalten zu entfernen, bevor ein Dataset serialisiert oder in eine Datei geschrieben wird. Es ist nicht erforderlich, nicht verwendete Spalten vor Schulungen oder Durchführen von Transformationen abzulegen, da dies IDataView lazily ausgewertet wird und die Spalten erst nach Bedarf materialisieren. Im Fall der Serialisierung wird jede Spalte im Schema ausgeschrieben. Wenn spalten vorhanden sind, die nicht gespeichert werden sollen, kann dieser Schätzer verwendet werden, um sie zu entfernen.

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

Methoden

Fit(IDataView)	Hält ausgewählte Spalten von einer IDataView. (Geerbt von TrivialEstimator<TTransformer>)
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

• DropColumns(TransformsCatalog, String[])
• SelectColumns(TransformsCatalog, String[])
• SelectColumns(TransformsCatalog, String[], Boolean)