Condividi tramite


PrincipalComponentAnalyzer Classe

Definizione

PCA è una trasformazione di riduzione della dimensionalità che calcola la proiezione del vettore di funzionalità in un sottospazio di rango basso.

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)
Ereditarietà
PrincipalComponentAnalyzer
Implementazioni

Commenti

Principle Component Analysis (PCA) è un algoritmo di riduzione della dimensionalità che calcola la proiezione del vettore di funzionalità in un sottospazio di rango basso. La sua formazione viene eseguita usando la tecnica descritta nel documento: Combinazione di casualità strutturata e non strutturata in PCA su larga scala e il documento Ricerca struttura con casualità: Algoritmi probabilistici per la costruzione di scomposizione di matrici approssimative

Per ulteriori informazioni, vedere anche:

Metodi

Fit(IDataView)

Esegue il training e restituisce un oggetto PrincipalComponentAnalysisTransformer.

GetOutputSchema(SchemaShape)

Restituisce l'oggetto SchemaShape dello schema che verrà prodotto dal trasformatore. Usato per la propagazione e la verifica dello schema in una pipeline.

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 in base ai dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati.

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

Dato un estimator, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sull'adattamento, 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> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit.

Si applica a