TrivialEstimator<TTransformer> Kelas

Definisi

Ruang nama:

Microsoft.ML.Data

Rakitan:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v3.0.1

Implementasi sepele dari IEstimator<TTransformer> yang sudah memiliki transformator dan mengembalikannya pada setiap panggilan ke Fit(IDataView).

Implementasi konkret masih harus menyediakan mekanisme penyebaran skema, karena tidak ada cara mudah untuk menyimpulkannya dari transformator.

public abstract class TrivialEstimator<TTransformer> : Microsoft.ML.IEstimator<TTransformer> where TTransformer : class, ITransformer

type TrivialEstimator<'ransformer (requires 'ransformer : null and 'ransformer :> ITransformer)> = class
    interface IEstimator<'ransformer (requires 'ransformer : null and 'ransformer :> ITransformer)>

Public MustInherit Class TrivialEstimator(Of TTransformer)
Implements IEstimator(Of TTransformer)

Jenis parameter

TTransformer

Warisan

Object

TrivialEstimator<TTransformer>

Turunan

Microsoft.ML.Data.ImageLoadingEstimator

Microsoft.ML.Transforms.ColumnCopyingEstimator

Microsoft.ML.Transforms.ColumnSelectingEstimator

Microsoft.ML.Transforms.CustomMappingEstimator<TSrc,TDst>

Microsoft.ML.Transforms.FeatureContributionCalculatingEstimator

Microsoft.ML.Transforms.Image.ImageGrayscalingEstimator

Microsoft.ML.Transforms.Image.ImagePixelExtractingEstimator

Microsoft.ML.Transforms.Image.ImageResizingEstimator

Microsoft.ML.Transforms.Image.VectorToImageConvertingEstimator

Microsoft.ML.Transforms.KeyToBinaryVectorMappingEstimator

Microsoft.ML.Transforms.KeyToValueMappingEstimator

Microsoft.ML.Transforms.KeyToVectorMappingEstimator

Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase

Microsoft.ML.Transforms.MissingValueIndicatorEstimator

Microsoft.ML.Transforms.Onnx.OnnxScoringEstimator

Microsoft.ML.Transforms.StatefulCustomMappingEstimator<TSrc,TDst,TState>

Microsoft.ML.Transforms.Text.CustomStopWordsRemovingEstimator

Microsoft.ML.Transforms.Text.StopWordsRemovingEstimator

Microsoft.ML.Transforms.Text.TextNormalizingEstimator

Microsoft.ML.Transforms.Text.TokenizingByCharactersEstimator

Microsoft.ML.Transforms.Text.WordTokenizingEstimator

Microsoft.ML.Transforms.TimeSeries.IidChangePointEstimator

Microsoft.ML.Transforms.TimeSeries.IidSpikeEstimator

Microsoft.ML.Transforms.TimeSeries.SrCnnAnomalyEstimator

Microsoft.ML.Transforms.TypeConvertingEstimator

Microsoft.ML.Transforms.ValueMappingEstimator

Penerapan

IEstimator<TTransformer>

Metode

Fit(IDataView)	Implementasi sepele dari IEstimator<TTransformer> yang sudah memiliki transformator dan mengembalikannya pada setiap panggilan ke Fit(IDataView). Implementasi konkret masih harus menyediakan mekanisme penyebaran skema, karena tidak ada cara mudah untuk menyimpulkannya dari transformator.
GetOutputSchema(SchemaShape)	Implementasi sepele dari IEstimator<TTransformer> yang sudah memiliki transformator dan mengembalikannya pada setiap panggilan ke Fit(IDataView). Implementasi konkret masih harus menyediakan mekanisme penyebaran skema, karena tidak ada cara mudah untuk menyimpulkannya dari transformator.

Metode Ekstensi

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

Tambahkan 'titik pemeriksaan penembolokan' ke rantai estimator. Ini akan memastikan bahwa estimator hilir akan dilatih terhadap data cache. Sangat membantu untuk memiliki titik pemeriksaan penembolokan sebelum pelatih yang mengambil beberapa data berlalu.

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

Mengingat estimator, kembalikan objek pembungkus yang akan memanggil delegasi setelah Fit(IDataView) dipanggil. Seringkali penting bagi estimator untuk mengembalikan informasi tentang apa yang cocok, itulah sebabnya Fit(IDataView) metode mengembalikan objek yang ditik secara khusus, bukan hanya umum ITransformer. Namun, pada saat yang sama, IEstimator<TTransformer> sering dibentuk menjadi alur dengan banyak objek, jadi kita mungkin perlu membangun rantai estimator melalui EstimatorChain<TLastTransformer> tempat estimator yang ingin kita dapatkan transformator dikubur di suatu tempat dalam rantai ini. Untuk skenario itu, kita dapat melalui metode ini melampirkan delegasi yang akan dipanggil setelah pas dipanggil.