Bagikan melalui


PrincipalComponentAnalyzer Kelas

Definisi

PCA adalah transformasi pengurangan dimensi yang menghitung proyeksi vektor fitur ke sub-ruang peringkat rendah.

public sealed class PrincipalComponentAnalyzer : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.PrincipalComponentAnalysisTransformer>
type PrincipalComponentAnalyzer = class
    interface IEstimator<PrincipalComponentAnalysisTransformer>
Public NotInheritable Class PrincipalComponentAnalyzer
Implements IEstimator(Of PrincipalComponentAnalysisTransformer)
Warisan
PrincipalComponentAnalyzer
Penerapan

Keterangan

Analisis Komponen Prinsip (PCA) adalah algoritma pengurangan dimensi yang menghitung proyeksi vektor fitur ke sub-ruang peringkat rendah. Pelatihannya dilakukan menggunakan teknik yang dijelaskan dalam makalah: Menggabungkan Keacakan Terstruktur dan Tidak Terstruktur dalam PCA Skala Besar, dan Struktur Temuan kertas dengan Keacakan: Algoritma Probabilistik untuk Membangun Perkiraan Dekomposisi Matriks

Untuk informasi selengkapnya, lihat juga:

Metode

Fit(IDataView)

Melatih dan mengembalikan PrincipalComponentAnalysisTransformer.

GetOutputSchema(SchemaShape)

Mengembalikan SchemaShape skema yang akan diproduksi oleh transformator. Digunakan untuk penyebaran dan verifikasi skema dalam alur.

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.

Berlaku untuk