Partager via


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

AlexNetExtension

Il s’agit d’une méthode d’extension à utiliser avec DnnImageFeaturizerEstimator afin d’utiliser un modèle AlexNet préentraîné. Le package NuGet contenant cette extension est également garanti pour inclure le fichier modèle binaire.

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.

IDataViewExtensions

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.

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.

OnnxExportExtensions

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.

RecommendationCatalog

Catalogue central pour les formateurs et les tâches de recommandation.

RecommendationCatalog.RecommendationTrainers

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.

RecommenderCatalog

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.

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.

ResNet101Extension

Il s’agit d’une méthode d’extension à utiliser avec afin DnnImageFeaturizerEstimator d’utiliser un modèle ResNet101 préentraîné. Le package NuGet contenant cette extension est également garanti pour inclure le fichier modèle binaire.

ResNet18Extension

Il s’agit d’une méthode d’extension à utiliser avec afin DnnImageFeaturizerEstimator d’utiliser un modèle ResNet18 préentraîné. Le package NuGet contenant cette extension est également garanti pour inclure le fichier modèle binaire.

ResNet50Extension

Il s’agit d’une méthode d’extension à utiliser avec afin DnnImageFeaturizerEstimator d’utiliser un modèle ResNet50 préentraîné. Le package NuGet contenant cette extension est également garanti pour inclure le fichier modèle binaire.

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.

  1. 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.
  2. 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.