Microsoft.ML Espace de noms

Espace de noms main pour ML.NET. Contient des contextes d’application et d’opération, des catalogues de transformateurs et de formateurs et des composants pour le traitement des vues de données.

Classes

AnomalyDetectionCatalog	Classe utilisée par MLContext pour créer des instances de composants de détection d’anomalies, telles que les formateurs et les évaluateurs.
AnomalyDetectionCatalog.AnomalyDetectionTrainers	Classe utilisée par MLContext pour créer des instances de formateurs de détection d’anomalies.
BinaryClassificationCatalog	Classe utilisée par MLContext pour créer des instances de composants de classification binaire, tels que des formateurs et des étalonneurs.
BinaryClassificationCatalog.BinaryClassificationTrainers	Classe utilisée par MLContext pour créer des instances de formateurs de classification binaire.
BinaryClassificationCatalog.CalibratorsCatalog	Classe utilisée par MLContext pour créer des instances de calibrateurs de classification binaire.
BinaryLoaderSaverCatalog	Collection de méthodes d’extension permettant DataOperationsCatalog de créer des instances de composants pour enregistrer et lire IDataView des objets vers et à partir d’un format binaire hautes performances.
CategoricalCatalog	Collection de méthodes d’extension pour TransformsCatalog.CategoricalTransforms créer des composants de transformateur de catégorie.
ClusteringCatalog	Classe utilisée par MLContext pour créer des instances de composants clustering, tels que les formateurs.
ClusteringCatalog.ClusteringTrainers	Classe utilisée par MLContext pour créer des instances de formateurs clustering.
ConversionsCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de transformation de mappage de vecteurs binaires à clé
ConversionsExtensionsCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de conversion de données et de composants de transformateur de mappage.
CustomMappingCatalog	Classe contenant une méthode d’extension pour TransformsCatalog créer des instances de composants de transformation de mappage de lignes un-à-un définis par l’utilisateur.
DatabaseLoaderCatalog	Collection de méthodes d’extension pour lire DataOperationsCatalog à partir de bases de données.
DataLoaderExtensions	Classe utilisée pour charger des données à partir d’un ou plusieurs fichiers.
DataOperationsCatalog	Classe utilisée pour créer des composants qui fonctionnent sur des données, mais qui ne font pas partie du pipeline d’entraînement du modèle. Inclut des composants pour charger, enregistrer, mettre en cache, filtrer, mélanger et fractionner les données.
DataViewRow	Ligne logique de données. Il peut s’agir d’une ligne d’une IDataView ligne ou d’une ligne autonome.
DataViewRowCursor	Classe utilisée pour effectuer un curseur à travers les lignes d’un IDataView.
DataViewSchema	Représente le schéma d’un IDataView ou d’un DataViewRow. Le schéma est une collection de DataViewSchema.Column.
DataViewSchema.Annotations	Annotations de schéma d’un DataViewSchema.Column.
DataViewSchema.Annotations.Builder	Classe contenant des opérations pour générer un DataViewSchema.Annotations.
DataViewSchema.Builder	Classe contenant des opérations pour générer un DataViewSchema.
DebuggerExtensions	Classe utilisée pour créer des instances d’objets en préversion pour le débogage. Remarque : cette classe et toutes les méthodes doivent uniquement être utilisées pour le débogage et non dans le code de production.
ExplainabilityCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants d’explicabilité de modèle.
ExpressionCatalog	Espace de noms main pour ML.NET. Contient des contextes d’application et d’opération, des catalogues de transformateurs et de formateurs et des composants pour le traitement des vues de données.
ExtensionBaseAttribute	Type d’attribut de base pour tous les attributs utilisés à des fins d’extensibilité.
ExtensionsCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de transformateur de valeur manquants.
FactorizationMachineExtensions	Collection de méthodes d’extension pour créer BinaryClassificationCatalog des instances de composants de formateur de factorisation prenant en charge le champ.
FeatureSelectionCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de transformateur de sélection de fonctionnalités.
ForecastingCatalog	Classe utilisée par MLContext pour créer des instances de composants de prévision.
ForecastingCatalog.Forecasters	Classe utilisée par MLContext pour créer des instances de formateurs de prévision.
ImageEstimatorsCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de transformateur de traitement d’images.
InputOutputColumnPair	Spécifie les noms de colonnes d’entrée et de sortie pour les composants de transformateur qui fonctionnent sur plusieurs colonnes.
KernelExpansionCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de transformateur de caractéristiques d’ingénierie de méthode de noyau.
KMeansClusteringExtensions	Collection de méthodes d’extension pour créer ClusteringCatalog.ClusteringTrainers des instances de formateurs KMeans.
LearningPipelineExtensions	Méthodes d’extension qui permettent le chaînage de pipelines d’estimateur et de transformateur.
LightGbmExtensions	Collection de méthodes d’extension pour les RegressionCatalog.RegressionTrainerscatalogues , BinaryClassificationCatalog.BinaryClassificationTrainers, RankingCatalog.RankingTrainerset MulticlassClassificationCatalog.MulticlassClassificationTrainers .
LoggingEventArgs	Fournit des données pour l'événement Log.
MklComponentsCatalog	Collection de méthodes d’extension pour RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerset TransformsCatalog pour créer des composants d’entraînement et de transformation MKL (Math Kernel Library).
MLContext	Contexte commun pour toutes les opérations ML.NET. Une fois instancié par l’utilisateur, il permet de créer des composants pour la préparation des données, l’ingénierie des fonctionnalités, l’entraînement, la prédiction et l’évaluation des modèles. Il permet également la journalisation, le contrôle d’exécution et la possibilité de définir des nombres aléatoires reproductibles.
ModelOperationsCatalog	Classe utilisée par MLContext pour enregistrer et charger des modèles entraînés.
ModelSaveContext	Objet de contexte pratique pour l’enregistrement de modèles dans un référentiel, pour les implémenteurs de ICanSaveModel.
MulticlassClassificationCatalog	Classe utilisée par MLContext pour créer des instances de composants de classification multiclasse, tels que des formateurs.
MulticlassClassificationCatalog.MulticlassClassificationTrainers	Classe utilisée par MLContext pour créer des instances de formateurs de classification multiclasse.
NormalizationCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de normalisation numérique.
OnnxCatalog	Espace de noms main pour ML.NET. Contient des contextes d’application et d’opération, des catalogues de transformateurs et de formateurs et des composants pour le traitement des vues de données.
PcaCatalog	Collection de méthodes d’extension utilisées par les AnomalyDetectionCatalog.AnomalyDetectionTrainerscatalogues et TransformsCatalog pour créer des instances de composants PCA (Principal Component Analysis).
PermutationFeatureImportanceExtensions	Collection de méthodes d’extension utilisées par RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCataloget RankingCatalog pour créer des instances de composants d’importance des caractéristiques de permutation.
PredictionEngine<TSrc,TDst>	Classe permettant d’effectuer des prédictions uniques sur un modèle précédemment entraîné (et le pipeline de transformation précédent).
PredictionEngineBase<TSrc,TDst>	Classe de base pour effectuer des prédictions uniques sur un modèle précédemment entraîné (et le pipeline de transformation précédent).
PredictionEngineOptions	Options pour le PredictionEngine<TSrc,TDst>
RankingCatalog	Classe utilisée par MLContext pour créer des instances de composants de classement, comme les formateurs et les évaluateurs.
RankingCatalog.RankingTrainers	Classe utilisée par MLContext pour créer des instances de formateurs de classement.
RegressionCatalog	Classe utilisée par MLContext pour créer des instances de composants de régression, telles que des formateurs et des évaluateurs.
RegressionCatalog.RegressionTrainers	Classe utilisée par MLContext pour créer des instances de formateurs de régression.
SchemaShape	Ensemble de « conditions requises » pour le schéma entrant, ainsi qu’un ensemble de « promesses » du schéma sortant. Cela est plus détendu que le bon DataViewSchema, car il ne s’agit que d’un sous-ensemble des colonnes, et aussi parce qu’il ne spécifie pas exactement DataViewTypeles vecteurs et les clés.
StandardTrainersCatalog	Collection de méthodes d’extension pour RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerset MulticlassClassificationCatalog.MulticlassClassificationTrainers pour créer des instances de composants de formateur.
TensorflowCatalog	Est TensorFlowTransformer utilisé dans 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 les sorties comme fonctionnalités dans ML.Net pipeline. Réentraînement du modèle TensorFlow : dans ce mode, la transformation réentraîne un modèle TensorFlow à l’aide des données utilisateur transmises via ML.Net pipeline. Une fois le modèle entraîné, ses sorties peuvent être utilisées comme fonctionnalités pour le scoring.
TextCatalog	Collection de méthodes d’extension pour .TransformsCatalog
TextLoaderSaverCatalog	Collection de méthodes d’extension pour lire DataOperationsCatalog à partir de fichiers texte délimités tels que csv et tsv.
TimeSeriesCatalog	Espace de noms main pour ML.NET. Contient des contextes d’application et d’opération, des catalogues de transformateurs et de formateurs et des composants pour le traitement des vues de données.
TrainCatalogBase	Classe de base pour les catalogues d’entraîneurs.
TrainCatalogBase.CatalogInstantiatorBase	Les sous-classes de fournissent peu d’objets Microsoft.ML.TrainContext hookables « méthode d’extension » (par exemple, quelque chose comme Trainers). Le code utilisateur n’interagit avec ces objets qu’en appelant les méthodes d’extension. Le code du composant réel peut fonctionner Microsoft.ML.Data.CatalogUtils pour obtenir plus d’informations « masquées » à partir de cet objet, par exemple, l’environnement.
TrainCatalogBase.CrossValidationResult<T>	Résultats de l’exécution de la validation croisée.
TrainerInfo	Caractéristiques d’un entraîneur. Exposé via la propriété Info de chaque formateur.
TransformExtensionsCatalog	Collection de méthodes d’extension pour TransformsCatalog créer des instances de composants de transformation qui manipulent des colonnes.
TransformsCatalog	Classe utilisée par MLContext pour créer des instances de composants de transformation.
TransformsCatalog.CategoricalTransforms	Classe utilisée par MLContext pour créer des instances de composants de transformation de données catégorielles.
TransformsCatalog.ConversionTransforms	Classe utilisée par MLContext pour créer des instances de composants de transformation de données de conversion de type.
TransformsCatalog.FeatureSelectionTransforms	Classe utilisée par MLContext pour créer des instances de composants de transformation de sélection de caractéristiques.
TransformsCatalog.TextTransforms	Classe utilisée par MLContext pour créer des instances de composants de transformation de données texte.
TreeExtensions	Collection de méthodes d’extension utilisées par RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCatalog, RankingCatalog, et TransformsCatalog pour créer des instances de formateurs et de caractérisations d’arbre de décision.
VisionCatalog	Collection de méthodes d’extension pour MulticlassClassificationCatalog.MulticlassClassificationTrainers créer des instances de composants du formateur ImageClassification.

Structures

DataOperationsCatalog.TrainTestData	Paire de jeux de données pour le jeu de données d’apprentissage et de test.
DataViewSchema.Column	Cette classe décrit une colonne dans le schéma particulier.
DataViewSchema.DetachedColumn	Cette classe représente le schéma d’une colonne d’une vue de données, sans pièce jointe à un .DataViewSchema
SchemaShape.Column	Espace de noms main pour ML.NET. Contient des contextes d’application et d’opération, des catalogues de transformateurs et de formateurs et des composants pour le traitement des vues de données.

Interfaces

ICanSaveModel	Pour enregistrer un modèle dans un référentiel. L’implémentation ICanSaveModel de classes doit effectuer une implémentation explicite de Save(ModelSaveContext). Les classes qui héritent ICanSaveModel d’une classe de base doivent remplacer la fonction appelée par Save(ModelSaveContext) dans cette classe de base, le cas échéant.
IDataLoader<TSource>	Le « chargeur de données » prend un certain type d’entrée et le transforme en .IDataView
IDataLoaderEstimator<TSource,TLoader>	Parfois, nous devons « ajuster » un IDataLoader<TSource>. Un estimateur DataLoader est l’objet qui le fait.
IDataView	Entrée et sortie des opérateurs de requête (Transformations). Il s’agit du type de pipeline de données fondamental, comparable à IEnumerable<T> pour LINQ.
IEstimator<TTransformer>	L’estimateur (dans la terminologie Spark) est un « transformateur non entraîné ». Il doit « ajuster » les données pour fabriquer un transformateur. Il fournit également la « propagation de schéma » comme le font les transformateurs, mais sur SchemaShape au lieu de DataViewSchema.
IPredictionTransformer<TModel>	Interface pour tous les transformateurs qui peuvent transformer des données en fonction du Microsoft.ML.IPredictor champ. Les implémentations de cette interface n’ont pas de colonne de fonctionnalité ou ont plusieurs colonnes de caractéristiques et ne peuvent pas implémenter le ISingleFeaturePredictionTransformer<TModel>, que la plupart des ML.Net transformeur implémentent.
ISingleFeaturePredictionTransformer<TModel>	Un ISingleFeaturePredictionTransformer contient le nom du FeatureColumnName et son type, FeatureColumnType. Les implémentations de cette interface ont la possibilité de noter les données d’une entrée IDataView via le Transform(IDataView)
ITransformer	Le transformateur est un composant qui transforme les données. Il prend également en charge la « propagation de schéma » pour répondre à la question « à quoi ressemblent les données avec ce schéma, une fois que vous les avez transformées ? ».

Énumérations

SchemaShape.Column.VectorKind

Espace de noms main pour ML.NET. Contient des contextes d’application et d’opération, des catalogues de transformateurs et de formateurs et des composants pour le traitement des vues de données.

Délégués

ValueGetter<TValue>

Type délégué pour obtenir une valeur. Cela peut être utilisé pour un accès efficace aux données dans un DataViewRow ou DataViewRowCursor.