Microsoft.ML.Transforms Espace de noms

Espace de noms contenant des composants de transformation de données .

Classes

ApproximatedKernelMappingEstimator	Mappe les colonnes vectorielles à un espace de caractéristique faible dimensionnel.
ApproximatedKernelTransformer	ITransformer résultant de l’ajustement d’un ApproximatedKernelMappingEstimator.
ColumnConcatenatingEstimator	Concaténe une ou plusieurs colonnes d’entrée dans une nouvelle colonne de sortie.
ColumnCopyingEstimator	IEstimator<TTransformer> pour le ColumnCopyingTransformer.
ColumnCopyingTransformer	ITransformer résultant de l’ajustement d’un ColumnCopyingEstimator.
ColumnSelectingEstimator	Conserve ou supprime les colonnes sélectionnées d’un IDataView.
ColumnSelectingTransformer	ITransformer résultant de l’ajustement d’un ColumnSelectingEstimator.
CountFeatureSelectingEstimator	Sélectionne les emplacements pour lesquels le nombre de valeurs autres que des valeurs par défaut est supérieur ou égal à un seuil.
CustomMappingEstimator<TSrc,TDst>	Applique une fonction de mappage personnalisée aux colonnes d’entrée spécifiées. Le résultat est dans les colonnes de sortie.
CustomMappingFactory<TSrc,TDst>	Type de base pour les fabriques de mappage personnalisées.
CustomMappingFactoryAttributeAttribute	Placez cet attribut sur un type pour qu’il soit considéré comme une fabrique de mappage personnalisée.
CustomMappingTransformer<TSrc,TDst>	ITransformer résultant de l’ajustement d’un CustomMappingEstimator<TSrc,TDst>.
ExpressionEstimator	Cet estimateur applique une expression fournie par l’utilisateur (spécifiée sous la forme d’une chaîne) aux valeurs de colonne d’entrée pour produire de nouvelles valeurs de colonne de sortie.
ExpressionTransformer	Espace de noms contenant des composants de transformation de données .
FeatureContributionCalculatingEstimator	Estimateur pour FeatureContributionCalculatingTransformer. Calcule les contributions spécifiques au modèle par fonctionnalité au score de chaque vecteur d’entrée.
FeatureContributionCalculatingTransformer	ITransformer résultant de l’ajustement d’un FeatureContributionCalculatingEstimator.
GaussianKernel	Noyau gaussien.
GlobalContrastNormalizingEstimator	Normalise (scales) des vecteurs dans la colonne d’entrée appliquant la normalisation globale du contraste.
HashingEstimator	Estimateur pour HashingTransformer, qui hachages à valeurs uniques ou colonnes vectorielles. Pour les colonnes de vecteur, hache séparément chaque emplacement.
HashingEstimator.ColumnOptions	Décrit comment le transformateur gère une paire de colonnes.
HashingTransformer	ITransformer résultant de l’ajustement d’un HashingEstimator.
KernelBase	Cette classe indique quel noyau doit être approximatif par le ApproximatedKernelTransformer. .
KeyToBinaryVectorMappingEstimator	Estimateur pour KeyToBinaryVectorMappingTransformer. Convertit les types de clés en représentation binaire correspondante de la valeur d’origine.
KeyToBinaryVectorMappingTransformer	ITransformer résultant de l’ajustement d’un KeyToBinaryVectorMappingEstimator.
KeyToValueMappingEstimator	Estimateur pour KeyToValueMappingTransformer. Convertit les types de clés en valeurs d’origine.
KeyToValueMappingTransformer	ITransformer résultant de l’ajustement d’un KeyToValueMappingEstimator.
KeyToVectorMappingEstimator	Estimateur pour KeyToVectorMappingTransformer. Mappe la valeur d’une clé dans un vecteur de taille connue de Single.
KeyToVectorMappingTransformer	ITransformer résultant de l’ajustement d’un KeyToVectorMappingEstimator.
LaplacianKernel	Noyau laplacien.
LpNormNormalizingEstimator	Normalise (scales) des vecteurs dans la colonne d’entrée à la norme d’unité. Le type de norme utilisé peut être spécifié par l’utilisateur.
LpNormNormalizingEstimatorBase	Classe estimateur de base pour LpNormNormalizingEstimator et GlobalContrastNormalizingEstimator normaliseurs.
LpNormNormalizingTransformer	ITransformer résultant de l’ajustement d’un LpNormNormalizingEstimator ou GlobalContrastNormalizingEstimator.
MissingValueIndicatorEstimator	IEstimator<TTransformer> pour le MissingValueIndicatorTransformer.
MissingValueIndicatorTransformer	ITransformer résultant de l’ajustement d’un MissingValueIndicatorEstimator.
MissingValueReplacingEstimator	IEstimator<TTransformer> pour le MissingValueReplacingTransformer.
MissingValueReplacingTransformer	ITransformer résultant de l’ajustement d’un MissingValueReplacingEstimator.
MutualInformationFeatureSelectingEstimator	Sélectionne les emplacements k principaux dans toutes les colonnes spécifiées ordonnées par leurs informations mutuelles avec la colonne d’étiquette (ce que vous pouvez découvrir sur l’étiquette en observant la valeur de la colonne spécifiée).
NormalizingEstimator	IEstimator<TTransformer> pour le NormalizingTransformer.
NormalizingTransformer	ITransformer résultant de l’ajustement d’un NormalizingEstimator.
NormalizingTransformer.AffineNormalizerModelParameters<TData>	Paramètres du modèle générés par des transformations de normalisation affine.
NormalizingTransformer.BinNormalizerModelParameters<TData>	Les paramètres de modèle générés en compartimentant les données dans des bacs avec une augmentation UpperBoundsmonotonique. La Density valeur est constante de bin à bin, pour la plupart des cas. ///
NormalizingTransformer.CdfNormalizerModelParameters<TData>	Paramètres de modèle générés par des transformations de normalisation de distribution cumulatives. La fonction de densité cumulative est paramétrée par Mean et la fonction observée lors de l’ajustement StandardDeviation .
NormalizingTransformer.NormalizerModelParametersBase	Classe de base pour tous les modèles de normaliseur de données tels que NormalizingTransformer.AffineNormalizerModelParameters<TData>, NormalizingTransformer.BinNormalizerModelParameters<TData>, NormalizingTransformer.CdfNormalizerModelParameters<TData>.
OneHotEncodingEstimator	Convertit une ou plusieurs colonnes d’entrée de valeurs catégorielles en autant de colonnes de sortie de vecteurs codés à chaud.
OneHotEncodingTransformer	ITransformer résultant de l’ajustement d’un OneHotEncodingEstimator.
OneHotHashEncodingEstimator	Convertit une ou plusieurs colonnes d’entrée de valeurs catégorielles en autant de colonnes de sortie de vecteurs codés à un seul chaud basé sur un hachage.
OneHotHashEncodingTransformer	ITransformer résultant de l’ajustement d’un OneHotHashEncodingEstimator.
PrincipalComponentAnalysisTransformer	PCA est une transformation de réduction de la dimensionnalité qui calcule la projection du vecteur de caractéristique sur un sous-espace de faible rang.
PrincipalComponentAnalyzer	PCA est une transformation de réduction de la dimensionnalité qui calcule la projection du vecteur de caractéristique sur un sous-espace de faible rang.
StatefulCustomMappingEstimator<TSrc,TDst,TState>	Applique une fonction de mappage personnalisée aux colonnes d’entrée spécifiées, tout en autorisant un état par curseur. Le résultat est dans les colonnes de sortie.
StatefulCustomMappingFactory<TSrc,TDst,TState>	Type de base pour les fabriques de mappage personnalisées avec état.
StatefulCustomMappingTransformer<TSrc,TDst,TState>	ITransformer résultant de l’ajustement d’un StatefulCustomMappingEstimator<TSrc,TDst,TState>.
TensorFlowEstimator	Il TensorFlowTransformer est utilisé dans les deux scénarios suivants. Scoring avec un modèle TensorFlow préentraîné : dans ce mode, la transformation extrait les valeurs des couches masquées d’un modèle Tensorflow préentraîné et utilise des sorties en tant que fonctionnalités dans ML.Net pipeline. Réentraînement du modèle TensorFlow : dans ce mode, la transformation entraîne un modèle TensorFlow à l’aide des données utilisateur transmises via ML.Net pipeline. Une fois le modèle entraîné, les sorties peuvent être utilisées comme fonctionnalités pour le scoring.
TensorFlowModel	Cette classe contient les informations relatives au modèle et à la session TensorFlow. Il fournit des méthodes pratiques pour interroger le schéma du modèle ainsi que la création d’objet TensorFlowEstimator .
TensorFlowTransformer	ITransformer pour le TensorFlowEstimator.
TransformInputBase	Classe de base pour toutes les entrées de transformation.
TypeConvertingEstimator	Estimateur pour TypeConvertingTransformer. Convertit le type de colonne d’entrée sous-jacent en un nouveau type. Les types de colonnes d’entrée et de sortie doivent être compatibles. PrimitiveDataViewType
TypeConvertingTransformer	ITransformer résultant de l’ajustement d’un TypeConvertingEstimator.
ValueMappingEstimator	Estimateur pour ValueMappingTransformer la création d’un mappage clé-valeur à l’aide des paires de valeurs dans les données d’entrée PrimitiveDataViewType
ValueMappingEstimator<TKey,TValue>	Estimateur pour ValueMappingTransformer la création d’un mappage clé-valeur à l’aide des paires de valeurs dans les données d’entrée PrimitiveDataViewType
ValueMappingTransformer	ITransformer résultant de l’ajustement d’un ValueMappingEstimator.
ValueToKeyMappingEstimator	IEstimator<TTransformer> pour le ValueToKeyMappingTransformer. Convertit un ensemble de valeurs catégorielles (par exemple, abréviations d’état américain) en valeurs de clé numérique (par exemple, 1 à 50). La clé numérique peut être utilisée directement par des algorithmes de classification.
ValueToKeyMappingTransformer	ITransformer résultant de l’ajustement d’un ValueToKeyMappingEstimator.
VectorWhiteningEstimator	Espace de noms contenant des composants de transformation de données .
VectorWhiteningTransformer	Espace de noms contenant des composants de transformation de données .

Interfaces

IFunctionProvider

Cette interface permet d’étendre le langage ExprTransform avec des fonctions supplémentaires.

Énumérations

ErrId	Espace de noms contenant des composants de transformation de données .
LpNormNormalizingEstimatorBase.NormFunction	Le type de vecteurs de norme unitaire est réécrit. Cette énumération est sérialisée.
MissingValueReplacingEstimator.ReplacementMode	Les façons possibles de remplacer les valeurs manquantes.
OneHotEncodingEstimator.OutputKind	Espace de noms contenant des composants de transformation de données .
ValueToKeyMappingEstimator.KeyOrdinality	Contrôle l’ordre des clés de sortie.
WhiteningKind	Quelle technique de blancissement de vecteur à utiliser. Le blanchiment ZCA garantit que la covariance moyenne entre les variables blanches et d’origine est maximale. En revanche, le blancissement de PCA entraîne des variables blanches compressées au maximum, comme mesuré par la covariance carrée.

Délégués

SignatureFunctionProvider

Espace de noms contenant des composants de transformation de données .