ApproximatedKernelMappingEstimator Classe

Définition

Espace de noms:

Microsoft.ML.Transforms

Assembly:

Microsoft.ML.Transforms.dll

Paquet:

Microsoft.ML v3.0.1

Mappe les colonnes vectorielles à un espace de caractéristique faible dimensionnel.

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)

Héritage

Object

ApproximatedKernelMappingEstimator

Implémente

IEstimator<ApproximatedKernelTransformer>

Remarques

Caractéristiques de l’estimateur

Cet estimateur doit-il examiner les données pour entraîner ses paramètres ?	Oui
Type de données de colonne d’entrée	Vecteur de taille connue de Single
Type de données de colonne de sortie	Vecteur de taille connue de Single
Exportable vers ONNX	Non

Le résultat ApproximatedKernelTransformer crée une nouvelle colonne, nommée comme spécifié dans les paramètres de nom de colonne de sortie, où chaque vecteur d’entrée est mappé à un espace de caractéristique où les produits internes se rapprochent de l’une des deux fonctions de noyau invariant de décalage : le noyau gaussien ou le noyau laplacien. En mappant des fonctionnalités à un espace qui correspond à des noyaux non linéaires approximatifs, les méthodes linéaires peuvent être utilisées pour approximativement des modèles SVM de noyau plus complexes. Ce mappage est basé sur le document Random Features for Large-Scale Kernel Machines by Rahimi et Recht.

Consultez la section Voir aussi pour obtenir des liens vers des exemples d’utilisation.

Méthodes

Fit(IDataView)	Effectue l’apprentissage et retourne un ApproximatedKernelTransformer.
GetOutputSchema(SchemaShape)	Retourne le SchemaShape schéma qui sera produit par le transformateur. Utilisé pour la propagation et la vérification du schéma dans un pipeline.

Méthodes d’extension

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

Ajoutez un « point de contrôle de mise en cache » à la chaîne d’estimateur. Cela garantit que les estimateurs en aval seront entraînés par rapport aux données mises en cache. Il est utile d’avoir un point de contrôle de mise en cache avant les formateurs qui prennent plusieurs passes de données.

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

Étant donné un estimateur, retournez un objet de création de package de restrictions qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important qu’un estimateur retourne des informations sur ce qui était adapté, c’est pourquoi la Fit(IDataView) méthode retourne un objet spécifiquement typé, plutôt que simplement un général ITransformer. Toutefois, en même temps, IEstimator<TTransformer> sont souvent formés en pipelines avec de nombreux objets. Nous pouvons donc avoir besoin de créer une chaîne d’estimateurs par EstimatorChain<TLastTransformer> le biais de laquelle l’estimateur pour lequel nous voulons obtenir le transformateur est enterré quelque part dans cette chaîne. Pour ce scénario, nous pouvons par le biais de cette méthode attacher un délégué qui sera appelé une fois l’ajustement appelé.

Voir aussi

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