Ereignisse
17. März, 21 Uhr - 21. März, 10 Uhr
Nehmen Sie an der Meetup-Serie teil, um skalierbare KI-Lösungen basierend auf realen Anwendungsfällen mit Mitentwicklern und Experten zu erstellen.
Jetzt registrierenDieser Browser wird nicht mehr unterstützt.
Führen Sie ein Upgrade auf Microsoft Edge durch, um die neuesten Features, Sicherheitsupdates und den technischen Support zu nutzen.
Datentransformationen werden für Folgendes verwendet:
Die Transformationen in diesem Handbuch geben Klassen zurück, die die IEstimator-Schnittstelle implementieren. Datentransformationen können miteinander verkettet werden. Jede Transformation erwartet und erzeugt Daten bestimmter Typen und Formate, die in der verknüpften Referenzdokumentation angegeben werden.
Einige Datentransformationen erfordern Trainingsdaten, um ihre Parameter zu berechnen. Beispiel: Der NormalizeMeanVariance-Transformator berechnet den Mittelwert und die Varianz der Trainingsdaten während des Fit()
-Vorgangs und verwendet diese Parameter im Transform()
-Vorgang.
Andere Datentransformationen erfordern keine Trainingsdaten. Beispiel: Die ConvertToGrayscale-Transformation kann die Transform()
-Operation durchführen, ohne während der Fit()
-Operation Trainingsdaten gesehen zu haben.
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
Concatenate | Verketten einer oder mehrerer Eingabespalten in einer neuen Ausgabespalte | Ja |
CopyColumns | Kopieren und Umbenennen einer oder mehrerer Eingabespalten | Ja |
DropColumns | Löschen einer oder mehrerer Eingabespalten | Ja |
SelectColumns | Auswählen einer oder mehrerer beizubehaltender Spalten aus den Eingabedaten | Ja |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
NormalizeMeanVariance | Subtrahieren des Mittelwerts (der Trainingsdaten) und Dividieren durch die Varianz (der Trainingsdaten) | Ja |
NormalizeLogMeanVariance | Normalisieren auf Basis des Logarithmus der Trainingsdaten | Ja |
NormalizeLpNorm | Skalieren von Eingabevektoren durch ihre LP-Norm, wobei P gleich 1, 2 oder unendlich ist. Der Standardwert ist die L2-Norm (Euklidischer Abstand) | Ja |
NormalizeGlobalContrast | Skalieren jedes Werts in einer Zeile durch Subtrahieren des Mittelwerts der Zeilendaten und Division entweder durch die Standardabweichung oder die L2-Norm (der Daten aus der Zeile) und Multiplizieren mit einem konfigurierbaren Skalierungsfaktor (Standard: 2) | Ja |
NormalizeBinning | Zuweisen des Eingabewerts zu einem Binindex und Division durch die Anzahl der Bins, um einen Gleitkommawert zwischen 0 und 1 zu erzeugen. Die Bingrenzen werden berechnet, um die Trainingsdaten gleichmäßig auf Bins zu verteilen | Ja |
NormalizeSupervisedBinning | Zuweisen des Eingabewerts zu einem Bin basierend auf seiner Korrelation mit der Bezeichnungsspalte | Ja |
NormalizeMinMax | Skalieren der Eingabe um den Unterschied zwischen den minimalen und maximalen Werten in den Trainingsdaten | Ja |
NormalizeRobustScaling | Skalieren jedes Werts mithilfe von Statistiken, die robust gegenüber Ausreißern sind, welche die Daten um 0 zentrieren und die Daten entsprechend dem Quantilbereich skalieren | Ja |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
ConvertType | Konvertieren des Typs einer Eingabespalte in einen neuen Typ | Ja |
MapValue | Zuordnen von Werten zu Schlüsseln (Kategorien) auf Grundlage des angegebenen Zuordnungenwörterbuchs | Nein |
MapValueToKey | Zuordnen von Werten zu Schlüsseln (Kategorien) durch Erstellen der Zuordnung aus den Eingabedaten | Ja |
MapKeyToValue | Konvertieren von Schlüsseln zurück in ihre ursprünglichen Werte | Ja |
MapKeyToVector | Konvertieren von Schlüsseln zurück in Vektoren ursprünglicher Werte | Ja |
MapKeyToBinaryVector | Konvertieren von Schlüsseln zurück in einen binären Vektor ursprünglicher Werte | Nein |
Hash | Anwenden des Hashalgorithmus auf den Wert in der Eingabespalte | Ja |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
FeaturizeText | Umwandeln einer Textspalte in ein Gleitkommaarray der normalisierten Anzahl von N-Grammen und Char-Grammen | Nein |
TokenizeIntoWords | Aufteilen einer oder mehrerer Textspalten in einzelne Wörter | Ja |
TokenizeIntoCharactersAsKeys | Aufteilen einer oder mehrerer Textspalten in einzelne Zeichengleitkommazahlen über eine Reihe von Themen | Ja |
NormalizeText | Ändern von Groß-/Kleinschreibung, Entfernen von diakritischen Zeichen, Satzzeichen und Zahlen | Ja |
ProduceNgrams | Umwandeln einer Textspalte in eine Sammlung mit der Anzahl der N-Gramme (Abfolgen aufeinander folgender Wörter) | Ja |
ProduceWordBags | Umwandeln einer Textspalte in einen Vektor der Sammlung mit der Anzahl der N-Gramme | Ja |
ProduceHashedNgrams | Umwandeln einer Textspalte in einen Vektor der Anzahl von N-Grammen, für die der Hashwert berechnet wurde | Nein |
ProduceHashedWordBags | Umwandeln einer Textspalte in eine Sammlung der Anzahl von N-Grammen, für die der Hashwert berechnet wurde | Ja |
RemoveDefaultStopWords | Entfernen der Standardstoppwörter für die angegebene Sprache aus Eingabespalten | Ja |
RemoveStopWords | Entfernt die angegebenen Stoppwörter aus Eingabespalten | Ja |
LatentDirichletAllocation | Umwandeln eines Dokuments (dargestellt als Vektor von Gleitkommazahlen) in einen Vektor von Gleitkommazahlen über eine Reihe von Themen | Ja |
ApplyWordEmbedding | Konvertiert Vektoren von Texttoken in Satzvektoren mithilfe eines vortrainierten Modells | Ja |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
ConvertToGrayscale | Konvertieren eines Bilds in Graustufen | Nein |
ConvertToImage | Konvertieren eines Vektors von Pixeln in ImageDataViewType | Nein |
ExtractPixels | Konvertieren von Pixeln eines Eingabebilds in einen Vektor aus Zahlen | Nein |
LoadImages | Laden von Bildern aus einem Ordner in den Arbeitsspeicher | Nein |
LoadRawImageBytes | Laden von Bildern unformatierter Bytes in eine neue Spalte | Nein |
ResizeImages | Ändern der Größe von Bildern | Nein |
DnnFeaturizeImage | Wendet ein vortrainiertes Deep Neural Network (DNN)-Modell an, um ein Eingabebild in einen Merkmalsvektor zu verwandeln. | Nein |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
OneHotEncoding | Konvertieren einer oder mehrerer Textspalten in mit 1-aus-n-Code codierte Vektoren | Ja |
OneHotHashEncoding | Konvertieren mindestens einer Textspalte in hashbasierte one-hot-codierte Vektoren | Nein |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
DetectAnomalyBySrCnn | Erkennen von Anomalien in den Eingabe-Zeitreihendaten mit dem SR-Algorithmus (Spectral Residual Algorithm) | Nein |
DetectChangePointBySsa | Erkennen von Änderungspunkten in Zeitreihendaten mithilfe von SSA (Singular Spectrum Analysis) | Nein |
DetectIidChangePoint | Erkennen von Änderungspunkten in unabhängigen und identisch verteilten Zeitreihendaten (IID) mithilfe adaptiver Kerneldichteschätzungen und Martingalbewertungen | Nein |
ForecastBySsa | Vorhersagen von Zeitreihendaten mithilfe von SSA (Singular Spectrum Analysis) | Nein |
DetectSpikeBySsa | Erkennen von Spitzen in Zeitreihendaten mithilfe von SSA (Singular Spectrum Analysis) | Nein |
DetectIidSpike | Erkennen von Spitzen in unabhängigen und identisch verteilten Zeitreihendaten (IID) mithilfe adaptiver Kerneldichteschätzungen und Martingalbewertungen | Nein |
DetectEntireAnomalyBySrCnn | Erkennen von Anomalien für die gesamten Eingabedaten mithilfe des SRCNN-Algorithmus | Nein |
DetectSeasonality | Erkennen der Saisonabhängigkeit mithilfe einer Fourieranalyse | Nein |
LocalizeRootCause | Lokalisieren der Ursache aus der Zeitreiheneingabe mithilfe eines Entscheidungsstrukturalgorithmus | Nein |
LocalizeRootCauses | Lokalisieren der Ursachen aus der Eingabe der tie-Serie | Nein |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
IndicateMissingValues | Erstellen einer neuen booleschen Ausgabespalte, deren Wert „true“ ist, wenn der Wert in der Eingabespalte fehlt | Ja |
ReplaceMissingValues | Erstellen einer neuen Ausgabespalte, deren Wert auf einen Standardwert festgelegt ist, wenn der Wert aus der Eingabespalte nicht vorhanden ist, und andernfalls auf den Eingabewert | Ja |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
SelectFeaturesBasedOnCount | Auswählen von Features, deren nicht standardmäßige Werte größer als der Schwellenwert sind | Ja |
SelectFeaturesBasedOnMutualInformation | Wählen Sie die Features aus, von denen die Daten in der Bezeichnungsspalte am meisten abhängen | Ja |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
ApproximatedKernelMap | Zuordnen jedes Eingabevektors zu einem Merkmalsraum einer niedrigeren Dimension, wobei die inneren Produkte einer Kernelfunktion nahe kommen, damit die Merkmale als Eingaben für die linearen Algorithmen verwendet werden können | Nein |
ProjectToPrincipalComponents | Verringern der Dimensionen des Eingabemerkmalsvektors durch Anwenden des Algorithmus für die Hauptkomponentenanalyse |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
CalculateFeatureContribution | Berechnen der Beitragsbewertungen für jedes Element eines Merkmalsvektors | Nein |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
Platt(String, String, String) | Transformieren der Rohbewertung eines binären Klassifizierers in eine Klassenwahrscheinlichkeit unter Verwendung der logistischen Regression mit anhand der Trainingsdaten geschätzten Parametern | Ja |
Platt(Double, Double, String) | Transformieren der Rohbewertung eines binären Klassifizierers in eine Klassenwahrscheinlichkeit unter Verwendung der logistischen Regression mit festen Parametern | Ja |
Naive | Transformieren der Rohbewertung eines binären Klassifizierers in eine Klassenwahrscheinlichkeit durch Zuweisen von Bewertungen zu Fächern und Berechnen der Wahrscheinlichkeit basierend auf der Binominalverteilung | Ja |
Isotonic | Transformieren der Rohbewertung eines binären Klassifizierers in eine Klassenwahrscheinlichkeit durch Zuweisen von Bewertungen zu Fächern, wobei die Position der Begrenzungen und die Größe der Fächer anhand der Trainingsdaten geschätzt werden | Nein |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
ApplyOnnxModel | Transformieren der Eingabedaten mit einem importierten ONNX-Modell | Nein |
LoadTensorFlowModel | Transformieren der Eingabedaten mit einem importierten TensorFlow-Modell | Nein |
Transformieren | Definition | Exportierbares ONNX |
---|---|---|
FilterByCustomPredicate | Löschen von Zeilen, in denen ein angegebenes Prädikat „true“ zurückgibt | Nein |
FilterByStatefulCustomPredicate | Löschen von Zeilen, in denen ein angegebenes Prädikat „true“ zurückgibt, aber einen angegebenen Zustand zulässt | Nein |
CustomMapping | Transformieren vorhandener Spalten in neue mit einer benutzerdefinierten Zuordnung | Nein |
Expression | Anwenden eines Ausdrucks zum Transformieren von Spalten in neue Spalten | Nein |
Feedback zu .NET
.NET ist ein Open Source-Projekt. Wählen Sie einen Link aus, um Feedback zu geben:
Ereignisse
17. März, 21 Uhr - 21. März, 10 Uhr
Nehmen Sie an der Meetup-Serie teil, um skalierbare KI-Lösungen basierend auf realen Anwendungsfällen mit Mitentwicklern und Experten zu erstellen.
Jetzt registrierenTraining
Modul
Codefreie Transformation im großen Stil mit Azure Data Factory - Training
Durchführen einer Transformation ohne Code im großen Stil mit einer Azure Data Factory- oder Azure Synapse-Pipeline
Zertifizierung
Microsoft Certified: Azure Data Scientist Associate - Certifications
Verwalten Sie Datenerfassung und -vorbereitung, Modelltraining und -bereitstellung sowie die Überwachung von Machine Learning-Lösungen mit Python, Azure Machine Learning und MLflow.