TransformsCatalog Clase

Definición

Espacio de nombres:

Microsoft.ML

Ensamblado:

Microsoft.ML.Data.dll

Paquete:

Microsoft.ML v2.0.0

Clase usada por MLContext para crear instancias de componentes de transformación.

public sealed class TransformsCatalog

type TransformsCatalog = class

Public NotInheritable Class TransformsCatalog

Herencia

Object

TransformsCatalog

Propiedades

Categorical	Lista de operaciones sobre datos categóricos.
Conversion	Lista de operaciones para la conversión de tipos de datos.
FeatureSelection	Lista de operaciones para seleccionar características en función de algunos criterios.
Text	Lista de operaciones para procesar datos de texto.

Métodos de extensión

CustomMapping<TSrc,TDst>(TransformsCatalog, Action<TSrc,TDst>, String, SchemaDefinition, SchemaDefinition)	Cree un CustomMappingEstimator<TSrc,TDst>objeto , que aplica una asignación personalizada de columnas de entrada a columnas de salida.
StatefulCustomMapping<TSrc,TDst,TState>(TransformsCatalog, Action<TSrc,TDst,TState>, Action<TState>, String)	Cree un StatefulCustomMappingEstimator<TSrc,TDst,TState>objeto , que aplica una asignación personalizada de columnas de entrada a columnas de salida, al tiempo que permite un estado por cursor.
CalculateFeatureContribution(TransformsCatalog, ISingleFeaturePredictionTransformer<ICalculateFeatureContribution>, Int32, Int32, Boolean)	Cree un FeatureContributionCalculatingEstimator objeto que calcule las puntuaciones de contribución específicas del modelo para cada característica del vector de entrada.
CalculateFeatureContribution<TModelParameters,TCalibrator>(TransformsCatalog, ISingleFeaturePredictionTransformer<CalibratedModelParametersBase<TModelParameters, TCalibrator>>, Int32, Int32, Boolean)	Cree un FeatureContributionCalculatingEstimator objeto que calcule las puntuaciones de contribución específicas del modelo para cada característica del vector de entrada. Admite modelos calibrados.
Expression(TransformsCatalog, String, String, String[])	Crea una interfaz ExpressionEstimator.
IndicateMissingValues(TransformsCatalog, InputOutputColumnPair[])	Cree un MissingValueIndicatorEstimatorobjeto , que copia los datos de la columna especificada en InputColumnName en una nueva columna: OutputColumnName.
IndicateMissingValues(TransformsCatalog, String, String)	Cree un MissingValueIndicatorEstimatorobjeto , que examina los datos de la columna especificada en inputColumnName y rellena la nueva columna especificada en outputColumnName con el vector de bools donde i-th bool tiene el valor de true si el elemento i-th de los datos de columna falta valor y false de lo contrario.
ReplaceMissingValues(TransformsCatalog, InputOutputColumnPair[], MissingValueReplacingEstimator+ReplacementMode, Boolean)	Cree un ColumnCopyingEstimatorobjeto , que copia los datos de la columna especificada en InputColumnName en una nueva columna: OutputColumnName y reemplaza los valores que faltan en él según replacementMode.
ReplaceMissingValues(TransformsCatalog, String, String, MissingValueReplacingEstimator+ReplacementMode, Boolean)	Cree un MissingValueReplacingEstimatorobjeto , que copia los datos de la columna especificada en inputColumnName en una nueva columna: outputColumnName y reemplaza los valores que faltan en él según replacementMode.
ConvertToGrayscale(TransformsCatalog, String, String)	Cree un ImageGrayscalingEstimatorobjeto , que convierte las imágenes de la columna especificada en InputColumnName en imágenes de escala de grises en una nueva columna: OutputColumnName.
ConvertToImage(TransformsCatalog, Int32, Int32, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Int32, Int32, Int32, Int32)	Cree un VectorToImageConvertingEstimatorobjeto , que crea una imagen a partir de los datos de la columna especificada en inputColumnName en una nueva columna: outputColumnName.
ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Boolean)	Cree un ImagePixelExtractingEstimatorobjeto , que extrae valores de píxeles de los datos especificados en la columna: inputColumnName en una nueva columna: outputColumnName.
LoadImages(TransformsCatalog, String, String, String)	Cree un ImageLoadingEstimatorobjeto , que carga los datos de la columna especificada en inputColumnName como una imagen en una nueva columna: outputColumnName.
LoadRawImageBytes(TransformsCatalog, String, String, String)	Cree un ImageLoadingEstimatorobjeto , que carga los datos de la columna especificada en inputColumnName como una imagen de bytes sin procesar en una nueva columna: outputColumnName.
ResizeImages(TransformsCatalog, String, Int32, Int32, String, ImageResizingEstimator+ResizingKind, ImageResizingEstimator+Anchor)	Cree un ImageResizingEstimatorobjeto , que cambie el tamaño de la imagen de la columna especificada en inputColumnName a una nueva columna: outputColumnName.
ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)	Cree un objeto ApproximatedKernelMappingEstimator que asigne vectores de entrada a un espacio de características dimensional bajo donde los productos internos aproximan una función de kernel invariable de desplazamiento.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Toma una columna llena de un vector de variables aleatorias con una matriz de covarianza conocida en un conjunto de nuevas variables cuya covarianza es la matriz de identidad, lo que significa que no están relacionadas y cada una tiene varianza 1.
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Cree un NormalizingEstimatorobjeto , que normaliza asignando los datos a contenedores con la misma densidad.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Cree un NormalizingEstimatorobjeto , que normaliza asignando los datos a contenedores con la misma densidad.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Cree un GlobalContrastNormalizingEstimatorobjeto , que normaliza las columnas aplicando individualmente la normalización de contraste global. trueSi se establece ensureZeroMean en , se aplicará un paso de procesamiento previo para que la media de la columna especificada sea el vector cero.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza según la media calculada y la varianza del logaritmo de los datos.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Cree un NormalizingEstimator, que normaliza según la media calculada y la varianza del logaritmo de los datos.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza según la media calculada y la varianza del logaritmo de los datos.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza según la media calculada y la varianza del logaritmo de los datos.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Cree un LpNormNormalizingEstimatorobjeto , que normaliza (escala) vectores en la columna de entrada a la norma unitaria. El tipo de norma que se usa se define mediante norm. trueSi se establece ensureZeroMean en , se aplicará un paso de procesamiento previo para que la media de la columna especificada sea un vector cero.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Cree un NormalizingEstimatorobjeto , que normaliza en función de la media calculada y la varianza de los datos.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Cree un NormalizingEstimatorobjeto , que normaliza en función de la media calculada y la varianza de los datos.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Cree un NormalizingEstimatorobjeto , que normaliza en función de los valores mínimo y máximo observados de los datos.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Cree un NormalizingEstimatorobjeto , que normaliza en función de los valores mínimo y máximo observados de los datos.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Cree un NormalizingEstimator, que normaliza el uso de estadísticas sólidas para valores atípicos al centrar los datos alrededor de 0 (quitando la mediana) y escala los datos según el intervalo cuantiles (el valor predeterminado es el intervalo intercuartil).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Cree un NormalizingEstimator, que normaliza el uso de estadísticas sólidas para valores atípicos al centrar los datos alrededor de 0 (quitando la mediana) y escala los datos según el intervalo cuantiles (el valor predeterminado es el intervalo intercuartil).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Cree un NormalizingEstimatorobjeto , que normaliza mediante la asignación de los datos en contenedores en función de la correlación con la labelColumnName columna.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Cree un NormalizingEstimatorobjeto , que normaliza mediante la asignación de los datos en contenedores en función de la correlación con la labelColumnName columna.
ApplyOnnxModel(TransformsCatalog, OnnxOptions)	Cree un OnnxScoringEstimator con el especificado OnnxOptions. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo onnx entrenado previamente a la columna de entrada. Las columnas de entrada y salida se determinan en función de las columnas de entrada y salida del modelo ONNX proporcionado. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String, Nullable<Int32>, Boolean)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo onnx entrenado previamente a la columna de entrada. Las columnas de entrada y salida se determinan en función de las columnas de entrada y salida del modelo ONNX proporcionado. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String, String, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo de Onnx entrenado previamente a la inputColumnName columna. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String, String, String, Nullable<Int32>, Boolean)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo de Onnx entrenado previamente a la inputColumnName columna. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo de Onnx previamente entrenado a las inputColumnNames columnas. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean, Int32)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo de Onnx previamente entrenado a las inputColumnNames columnas. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
ApplyOnnxModel(TransformsCatalog, String[], String[], String, Nullable<Int32>, Boolean)	Cree un OnnxScoringEstimatorobjeto , que aplica un modelo de Onnx previamente entrenado a las inputColumnNames columnas. Consulte para OnnxScoringEstimator obtener más información sobre las dependencias necesarias y cómo ejecutarla en una GPU.
DnnFeaturizeImage(TransformsCatalog, String, Func<DnnImageFeaturizerInput,EstimatorChain<ColumnCopyingTransformer>>, String)	Cree DnnImageFeaturizerEstimator, que aplica uno de los modelos de DNN previamente entrenados en DnnImageModelSelector para caracterizar una imagen.
ProjectToPrincipalComponents(TransformsCatalog, String, String, String, Int32, Int32, Boolean, Nullable<Int32>)	Inicializa una nueva instancia de la clase PrincipalComponentAnalyzer.
DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	Cree SrCnnAnomalyEstimator, que detecta anomalías en las series de tiempo mediante el algoritmo SRCNN.
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	Cree SsaChangePointEstimator, que predice los puntos de cambio en series temporales mediante Singular Spectrum Analysis (SSA) .
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	Obsoletos. Cree SsaChangePointEstimator, que predice los puntos de cambio en series temporales mediante Singular Spectrum Analysis (SSA) .
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)	Cree IidChangePointEstimator, que predice puntos de cambio en una serie temporal distribuida de forma independiente (i.i.d.) basada en estimaciones de densidad de kernel adaptables y puntuaciones de martingales.
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	Obsoletos. Cree IidChangePointEstimator, que predice puntos de cambio en una serie temporal distribuida de forma independiente (i.i.d.) basada en estimaciones de densidad de kernel adaptables y puntuaciones de martingales.
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	Cree IidSpikeEstimator, que predice picos en series temporales distribuidas de forma independiente (i.i.d.) basadas en estimaciones de densidad de kernel adaptables y puntuaciones de martingale.
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	Obsoletos. Cree IidSpikeEstimator, que predice picos en series temporales distribuidas de forma independiente (i.i.d.) basadas en estimaciones de densidad de kernel adaptables y puntuaciones de martingale.
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	Cree SsaSpikeEstimator, que predice picos en series temporales mediante Singular Spectrum Analysis (SSA) .
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	Obsoletos. Cree SsaSpikeEstimator, que predice picos en series temporales mediante Singular Spectrum Analysis (SSA) .
Concatenate(TransformsCatalog, String, String[])	Cree un ColumnConcatenatingEstimatorobjeto , que concatena una o varias columnas de entrada en una nueva columna de salida.
CopyColumns(TransformsCatalog, String, String)	Cree un ColumnCopyingEstimatorobjeto , que copia los datos de la columna especificada en inputColumnName en una nueva columna: outputColumnName.
DropColumns(TransformsCatalog, String[])	Cree un ColumnSelectingEstimatorobjeto , que quita una lista determinada de columnas de .IDataView Cualquier columna no especificada se mantendrá en la salida.
SelectColumns(TransformsCatalog, String[])	Cree un ColumnSelectingEstimatorobjeto , que mantiene una lista determinada de columnas en y IDataView quita los demás.
SelectColumns(TransformsCatalog, String[], Boolean)	Cree un ColumnSelectingEstimatorobjeto , que mantiene una lista determinada de columnas en y IDataView quita los demás.
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	Cree FastForestBinaryFeaturizationEstimator, que usa FastForestBinaryTrainer para entrenar TreeEnsembleModelParameters para crear características basadas en árboles.
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	Cree FastForestRegressionFeaturizationEstimator, que usa FastForestRegressionTrainer para entrenar TreeEnsembleModelParameters para crear características basadas en árboles.
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	Cree FastTreeBinaryFeaturizationEstimator, que usa FastTreeBinaryTrainer para entrenar TreeEnsembleModelParameters para crear características basadas en árboles.
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	Cree FastTreeRankingFeaturizationEstimator, que usa FastTreeRankingTrainer para entrenar TreeEnsembleModelParameters para crear características basadas en árboles.
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	Cree FastTreeRegressionFeaturizationEstimator, que usa FastTreeRegressionTrainer para entrenar TreeEnsembleModelParameters para crear características basadas en árboles.
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	Cree FastTreeTweedieFeaturizationEstimator, que usa FastTreeTweedieTrainer para entrenar TreeEnsembleModelParameters para crear características basadas en árboles.
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	Cree PretrainedTreeFeaturizationEstimator, que genera características basadas en árbol dadas una TreeEnsembleModelParametersclase .