LpNormNormalizingEstimator Kelas

Definisi

Ruang nama:

Microsoft.ML.Transforms

Rakitan:

Microsoft.ML.Transforms.dll

Paket:

Microsoft.ML v3.0.1

Menormalkan (menskalakan) vektor di kolom input ke norma unit. Jenis norma yang digunakan dapat ditentukan oleh pengguna.

public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase

type LpNormNormalizingEstimator = class
    inherit LpNormNormalizingEstimatorBase

Public NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase

Warisan

Object

TrivialEstimator<LpNormNormalizingTransformer>

LpNormNormalizingEstimatorBase

LpNormNormalizingEstimator

Keterangan

Karakteristik Estimator

Apakah estimator ini perlu melihat data untuk melatih parameternya?	Tidak
Jenis data kolom input	Vektor dari Single
Jenis data kolom output	Vektor dari Single
Dapat diekspor ke ONNX	Ya

Yang dihasilkan menormalkan LpNormNormalizingTransformer vektor di kolom input satu per satu dengan menskalakan ulang ke norma unit.

Biarkan $x$ menjadi vektor input, $n$ ukuran vektor, $L(x)$ fungsi norma yang dipilih oleh pengguna. Biarkan $\mu(x) = \sum_i x_i / n$ menjadi rata-rata nilai vektor $x$. melakukan LpNormNormalizingTransformer operasi berikut pada setiap vektor input $x$: $y = \frac{x - \mu(x)}{L(x)}$ jika pengguna menentukan bahwa rata-rata harus nol, atau sebaliknya: $y = \frac{x}{L(x)}$

Ada empat jenis norma yang dapat dipilih oleh pengguna untuk diterapkan pada vektor input $x$. Mereka didefinisikan sebagai berikut:

• L1: $L_1(x) = \sum_i |x_i|$
• L2: $L_2(x) = \sqrt{\sum_i x_i^2}$
• Infinity: $L_{\infty}(x) = \max_i{|x_i|} $
• StandardDeviation: $L_\sigma(x)$ didefinisikan sebagai simpanpan standar elemen vektor input $x$

Periksa bagian Lihat Juga untuk tautan ke contoh penggunaan.

Metode

Fit(IDataView)	Menormalkan (menskalakan) vektor di kolom input ke norma unit. Jenis norma yang digunakan dapat ditentukan oleh pengguna. (Diperoleh dari TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	Mengembalikan SchemaShape skema yang akan diproduksi oleh transformator. Digunakan untuk penyebaran dan verifikasi skema dalam alur. (Diperoleh dari LpNormNormalizingEstimatorBase)

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 di ketik 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> di mana estimator yang ingin kita dapatkan transformator dimakamkan di suatu tempat dalam rantai ini. Untuk skenario itu, kita dapat melalui metode ini melampirkan delegasi yang akan dipanggil setelah fit dipanggil.

Lihat juga

• NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)