IEstimator<TTransformer> Interfaccia

Definizione

Spazio dei nomi:

Microsoft.ML

Assembly:

Microsoft.ML.Core.dll

Pacchetto:

Microsoft.ML v3.0.1

Lo strumento di stima (nella terminologia di Spark) è un "trasformatore non sottoposto a training". Deve "adattarsi" ai dati per produrre un trasformatore. Fornisce anche la propagazione dello schema come i trasformatori, ma invece SchemaShape di DataViewSchema.

public interface IEstimator<out TTransformer> where TTransformer : ITransformer

type IEstimator<'ransformer (requires 'ransformer :> ITransformer)> = interface

Public Interface IEstimator(Of Out TTransformer)

Parametri di tipo

TTransformer

Questo parametro di tipo è covariante, ovvero puoi usare il tipo specificato o qualsiasi tipo più derivato. Per altre informazioni sulla covarianza e la controvarianza, vedi Covarianza e controvarianza nei generics.

Derivato

Microsoft.ML.Calibrators.CalibratorEstimatorBase<TICalibrator>

Microsoft.ML.Data.EstimatorChain<TLastTransformer>

Microsoft.ML.Data.TrivialEstimator<TTransformer>

Microsoft.ML.TorchSharp.AutoFormerV2.ObjectDetectionTrainer

Microsoft.ML.TorchSharp.Roberta.QATrainer

Microsoft.ML.TorchSharp.TorchSharpBaseTrainer

Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBase

Microsoft.ML.Trainers.FieldAwareFactorizationMachineTrainer

Microsoft.ML.Trainers.ITrainerEstimator<TTransformer,TModel>

Microsoft.ML.Trainers.MatrixFactorizationTrainer

Microsoft.ML.Trainers.MetaMulticlassTrainer<TTransformer,TModel>

Microsoft.ML.Trainers.PriorTrainer

Microsoft.ML.Trainers.TrainerEstimatorBase<TTransformer,TModel>

Microsoft.ML.Transforms.ApproximatedKernelMappingEstimator

Microsoft.ML.Transforms.ColumnConcatenatingEstimator

Microsoft.ML.Transforms.CountFeatureSelectingEstimator

Microsoft.ML.Transforms.ExpressionEstimator

Microsoft.ML.Transforms.HashingEstimator

Microsoft.ML.Transforms.MissingValueReplacingEstimator

Microsoft.ML.Transforms.MutualInformationFeatureSelectingEstimator

Microsoft.ML.Transforms.NormalizingEstimator

Microsoft.ML.Transforms.OneHotEncodingEstimator

Microsoft.ML.Transforms.OneHotHashEncodingEstimator

Microsoft.ML.Transforms.Onnx.DnnImageFeaturizerEstimator

Microsoft.ML.Transforms.PrincipalComponentAnalyzer

Microsoft.ML.Transforms.TensorFlowEstimator

Microsoft.ML.Transforms.Text.LatentDirichletAllocationEstimator

Microsoft.ML.Transforms.Text.NgramExtractingEstimator

Microsoft.ML.Transforms.Text.NgramHashingEstimator

Microsoft.ML.Transforms.Text.TextFeaturizingEstimator

Microsoft.ML.Transforms.Text.WordBagEstimator

Microsoft.ML.Transforms.Text.WordEmbeddingEstimator

Microsoft.ML.Transforms.Text.WordHashBagEstimator

Microsoft.ML.Transforms.TimeSeries.SsaChangePointEstimator

Microsoft.ML.Transforms.TimeSeries.SsaForecastingEstimator

Microsoft.ML.Transforms.TimeSeries.SsaSpikeEstimator

Microsoft.ML.Transforms.ValueToKeyMappingEstimator

Microsoft.ML.Transforms.VectorWhiteningEstimator

Metodi

Fit(IDataView)	Eseguire il training e restituire un trasformatore.
GetOutputSchema(SchemaShape)	Propagazione dello schema per gli estimatori. Restituisce la forma dello schema di output dello strumento di stima, se la forma dello schema di input è simile a quella specificata.

Metodi di estensione

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

Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. Ciò garantisce che gli estimatori downstream vengano sottoposti a training sui dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima dei training che accettano più passaggi di dati.

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

Dato un stimatore, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. Spesso è importante che un stimatore restituisca informazioni su ciò che è stato adatto, che è il motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> sono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di stima tramite EstimatorChain<TLastTransformer> dove lo stimatore per cui si vuole ottenere il trasformatore è sepolto da qualche parte in questa catena. Per questo scenario, è possibile collegare questo metodo a un delegato che verrà chiamato una volta chiamato fit.