Partager via


KeyToVectorMappingTransformer Classe

Définition

ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.

public sealed class KeyToVectorMappingTransformer : Microsoft.ML.Data.OneToOneTransformerBase
type KeyToVectorMappingTransformer = class
    inherit OneToOneTransformerBase
Public NotInheritable Class KeyToVectorMappingTransformer
Inherits OneToOneTransformerBase
Héritage

Méthodes

GetOutputSchema(DataViewSchema)

ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.

(Hérité de RowToRowTransformerBase)
Transform(IDataView)

ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.

(Hérité de RowToRowTransformerBase)

Implémentations d’interfaces explicites

ICanSaveModel.Save(ModelSaveContext)

ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.

(Hérité de RowToRowTransformerBase)
ITransformer.GetRowToRowMapper(DataViewSchema)

ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.

(Hérité de RowToRowTransformerBase)
ITransformer.IsRowToRowMapper

ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.

(Hérité de RowToRowTransformerBase)

Méthodes d’extension

Preview(ITransformer, IDataView, Int32)

Afficher un aperçu d’un effet sur transformer un élément donné data.

Append<TTrans>(ITransformer, TTrans)

Créez une chaîne de transformateur, en ajoutant un autre transformateur à la fin de cette chaîne de transformateurs.

CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, PredictionEngineOptions)

TimeSeriesPredictionEngine<TSrc,TDst> crée un moteur de prédiction pour un pipeline de série chronologique. Il met à jour l’état du modèle de série chronologique avec des observations observées lors de la phase de prédiction et permet de contrôler le modèle.

CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, Boolean, SchemaDefinition, SchemaDefinition)

TimeSeriesPredictionEngine<TSrc,TDst> crée un moteur de prédiction pour un pipeline de série chronologique. Il met à jour l’état du modèle de série chronologique avec des observations observées lors de la phase de prédiction et permet de contrôler le modèle.

S’applique à