NormalizationCatalog Classe

Definizione

Spazio dei nomi:

Microsoft.ML

Assembly:

Microsoft.ML.Transforms.dll

Pacchetto:

Microsoft.ML v3.0.1

Raccolta di metodi di estensione per TransformsCatalog creare istanze di componenti di normalizzazione numerica.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Ereditarietà

Object

NormalizationCatalog

Metodi

NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori con densità uguale.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori con densità uguale.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Creare un GlobalContrastNormalizingEstimatoroggetto , che normalizza le colonne singolarmente applicando la normalizzazione del contrasto globale. L'impostazione ensureZeroMean su true, applicherà un passaggio di pre-elaborazione per fare in modo che la colonna specificata sia il vettore zero.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Creare un LpNormNormalizingEstimatoroggetto , che normalizza i vettori (scale) nella colonna di input alla norma unità. Il tipo di norma utilizzato è definito da norm. L'impostazione ensureZeroMean su true, applicherà un passaggio di pre-elaborazione per fare in modo che la colonna specificata sia un vettore zero.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza dei dati.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza dei dati.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base ai valori minimi e massimi osservati dei dati.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base ai valori minimi e massimi osservati dei dati.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Creare un NormalizingEstimatoroggetto , che normalizza l'uso di statistiche affidabili per i outlier centrando i dati intorno a 0 (rimuovendo il mediano) e ridimensiona i dati in base all'intervallo quantile (impostazione predefinita all'intervallo interquartile).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Creare un NormalizingEstimatoroggetto , che normalizza l'uso di statistiche affidabili per i outlier centrando i dati intorno a 0 (rimuovendo il mediano) e ridimensiona i dati in base all'intervallo quantile (impostazione predefinita all'intervallo interquartile).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori in base alla correlazione con la labelColumnName colonna.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori in base alla correlazione con la labelColumnName colonna.