Condividi tramite


NormalizationCatalog Classe

Definizione

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
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.

Si applica a