|
CustomMapping<TSrc,TDst>(TransformsCatalog, Action<TSrc,TDst>, String, SchemaDefinition, SchemaDefinition)
|
入力列の CustomMappingEstimator<TSrc,TDst>カスタム マッピングを出力列に適用する、作成します。
|
|
StatefulCustomMapping<TSrc,TDst,TState>(TransformsCatalog, Action<TSrc,TDst,TState>, Action<TState>, String)
|
カーソルごとの状態を StatefulCustomMappingEstimator<TSrc,TDst,TState>許可しながら、入力列のカスタム マッピングを出力列に適用する 、作成します。
|
|
CalculateFeatureContribution(TransformsCatalog, ISingleFeaturePredictionTransformer<ICalculateFeatureContribution>, Int32, Int32, Boolean)
|
入力ベクトルの FeatureContributionCalculatingEstimator 各特徴のモデル固有のコントリビューション スコアを計算する作成します。
|
|
CalculateFeatureContribution<TModelParameters,TCalibrator>(TransformsCatalog,
ISingleFeaturePredictionTransformer<CalibratedModelParametersBase<TModelParameters,
TCalibrator>>, Int32, Int32, Boolean)
|
入力ベクトルの FeatureContributionCalculatingEstimator 各特徴のモデル固有のコントリビューション スコアを計算する作成します。 校正済みモデルをサポートします。
|
|
Expression(TransformsCatalog, String, String, String[])
|
ExpressionEstimator を作成します。
|
|
IndicateMissingValues(TransformsCatalog, InputOutputColumnPair[])
|
新しい列に MissingValueIndicatorEstimator指定された InputColumnName 列からデータをコピーする、作成します OutputColumnName。
|
|
IndicateMissingValues(TransformsCatalog, String, String)
|
MissingValueIndicatorEstimatorで指定されたinputColumnName列のデータをスキャンし、列データの i 番目の要素に欠損false値がある場合の値trueを持つブール値のベクトルで指定されたoutputColumnName新しい列を埋める、作成します。
|
|
ReplaceMissingValues(TransformsCatalog, InputOutputColumnPair[], MissingValueReplacingEstimator+ReplacementMode, Boolean)
|
ColumnCopyingEstimator新しい列に指定されたInputColumnName列からデータをコピーし、それに従ってreplacementModeその中OutputColumnNameの欠損値を置き換える、作成します。
|
|
ReplaceMissingValues(TransformsCatalog, String, String, MissingValueReplacingEstimator+ReplacementMode, Boolean)
|
MissingValueReplacingEstimator新しい列に指定されたinputColumnName列からデータをコピーし、それに従ってreplacementModeその中outputColumnNameの欠損値を置き換える、作成します。
|
|
ConvertToGrayscale(TransformsCatalog, String, String)
|
ImageGrayscalingEstimatorで指定されたInputColumnName列のイメージを、新しい列のグレースケール イメージに変換する 、を作成しますOutputColumnName。
|
|
ConvertToImage(TransformsCatalog, Int32, Int32, String, String,
ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder,
Boolean, Single, Single, Int32, Int32, Int32, Int32)
|
新しいoutputColumnName列にVectorToImageConvertingEstimator指定されたinputColumnName列からデータからイメージを作成する、作成します。
|
|
ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits,
ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single,
Boolean)
|
列: ImagePixelExtractingEstimatorに指定されたデータから新しい列 inputColumnName にピクセル値を抽出する 、 を作成します outputColumnName。
|
|
LoadImages(TransformsCatalog, String, String, String)
|
ImageLoadingEstimatorイメージとして指定されたinputColumnName列から新しい列にデータを読み込む、作成しますoutputColumnName。
|
|
LoadRawImageBytes(TransformsCatalog, String, String, String)
|
生バイトの ImageLoadingEstimatorイメージとして指定された inputColumnName 列から新しい列にデータを読み込む、作成します outputColumnName。
|
|
ResizeImages(TransformsCatalog, String, Int32, Int32, String, ImageResizingEstimator+ResizingKind, ImageResizingEstimator+Anchor)
|
イメージのサイズを ImageResizingEstimator、指定された inputColumnName 列から新しい列に変更する作成します outputColumnName。
|
|
ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)
|
ApproximatedKernelMappingEstimator内部積がシフトインバリアントカーネル関数に近似する低次元特徴空間に入力ベクトルをマップする作成。
|
|
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)
|
既知の共分散行列を持つランダム変数のベクトルで満たされた列を、共分散が同一行列である新しい変数のセットに取り込みます。これは、それらが相関されておらず、それぞれが分散 1 を持っていることを意味します。
|
|
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)
|
同じ密度の NormalizingEstimatorビンにデータを割り当てることで正規化する 、を作成します。
|
|
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)
|
同じ密度の NormalizingEstimatorビンにデータを割り当てることで正規化する 、を作成します。
|
|
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)
|
グローバル コントラスト正規化を GlobalContrastNormalizingEstimator適用して列を個別に正規化する、作成します。
にtrue設定ensureZeroMeanすると、前処理ステップが適用され、指定した列の平均がゼロ ベクトルになります。
|
|
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)
|
データの NormalizingEstimator対数の計算された平均と分散に基づいて正規化する 、作成します。
|
|
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)
|
データの NormalizingEstimator対数の計算された平均と分散に基づいて正規化する 、作成します。
|
|
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)
|
データの NormalizingEstimator対数の計算された平均と分散に基づいて正規化する 、作成します。
|
|
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)
|
データの NormalizingEstimator対数の計算された平均と分散に基づいて正規化する 、作成します。
|
|
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)
|
入力列内の LpNormNormalizingEstimatorベクトルを単位ノルムに正規化 (スケール) する 、作成します。
使用されるノルムの型は、norm にtrue設定ensureZeroMeanすると、前処理ステップが適用され、指定した列の平均が 0 ベクトルになります。
|
|
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)
|
データの NormalizingEstimator計算された平均と分散に基づいて正規化する 、作成します。
|
|
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)
|
データの NormalizingEstimator計算された平均と分散に基づいて正規化する 、作成します。
|
|
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)
|
データの NormalizingEstimator観測された最小値と最大値に基づいて正規化する 、作成します。
|
|
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)
|
データの NormalizingEstimator観測された最小値と最大値に基づいて正規化する 、作成します。
|
|
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)
|
データを NormalizingEstimator中心に 0 (中央値を削除) して外れ値に対して堅牢な統計情報を使用して正規化し、分位点範囲 (既定値は四分位範囲) に従ってデータをスケーリングする、作成します。
|
|
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)
|
データを NormalizingEstimator中心に 0 (中央値を削除) して外れ値に対して堅牢な統計情報を使用して正規化し、分位点範囲 (既定値は四分位範囲) に従ってデータをスケーリングする、作成します。
|
|
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)
|
列との相関関係に NormalizingEstimator基づいてデータをビンに割り当てることで正規化する 、作成します labelColumnName 。
|
|
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)
|
列との相関関係に NormalizingEstimator基づいてデータをビンに割り当てることで正規化する 、作成します labelColumnName 。
|
|
ApplyOnnxModel(TransformsCatalog, OnnxOptions)
|
指定したOnnxOptionsをOnnxScoringEstimator使用して作成します。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを入力列に適用する 、作成します。
入力/出力列は、指定された ONNX モデルの入出力列に基づいて決定されます。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String, Nullable<Int32>, Boolean)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを入力列に適用する 、作成します。
入力/出力列は、指定された ONNX モデルの入出力列に基づいて決定されます。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String, String, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを列に適用する inputColumnName 、作成します。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String, String, String, Nullable<Int32>, Boolean)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを列に適用する inputColumnName 、作成します。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを列に適用する 、作成しますinputColumnNames。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean, Int32)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを列に適用する 、作成しますinputColumnNames。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
ApplyOnnxModel(TransformsCatalog, String[], String[], String, Nullable<Int32>, Boolean)
|
OnnxScoringEstimator事前トレーニング済みの Onnx モデルを列に適用する 、作成しますinputColumnNames。
必要な依存関係と GPU で実行する方法の詳細については、こちらをご覧 OnnxScoringEstimator ください。
|
|
DnnFeaturizeImage(TransformsCatalog, String, Func<DnnImageFeaturizerInput,EstimatorChain<ColumnCopyingTransformer>>, String)
|
Create DnnImageFeaturizerEstimator。事前トレーニング済みの DNN モデル DnnImageModelSelector の 1 つを適用して、イメージを特徴付けます。
|
|
ProjectToPrincipalComponents(TransformsCatalog, String, String, String, Int32, Int32, Boolean, Nullable<Int32>)
|
PrincipalComponentAnalyzer の新しいインスタンスを初期化します。
|
|
DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)
|
SRCNN アルゴリズムを使用して時系列の異常を検出する Create SrCnnAnomalyEstimator。
|
|
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)
|
Create SsaChangePointEstimator。 単数スペクトル分析 (SSA) を使用して時系列の変化点を予測します。
|
|
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)
|
古い.
Create SsaChangePointEstimator。 単数スペクトル分析 (SSA) を使用して時系列の変化点を予測します。
|
|
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)
|
Create IidChangePointEstimator。アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて 、独立した同一分布 (i.i.d.) 時系列の変化点を予測します。
|
|
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)
|
古い.
Create IidChangePointEstimator。アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて 、独立した同一分布 (i.i.d.) 時系列の変化点を予測します。
|
|
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)
|
Create IidSpikeEstimator。アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて 、独立した同一分散 (つまり d. ) 時系列のスパイクを予測します。
|
|
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)
|
古い.
Create IidSpikeEstimator。アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて 、独立した同一分散 (つまり d. ) 時系列のスパイクを予測します。
|
|
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)
|
Create SsaSpikeEstimator。 単数スペクトル分析 (SSA) を使用して時系列のスパイクを予測します。
|
|
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)
|
古い.
Create SsaSpikeEstimator。 単数スペクトル分析 (SSA) を使用して時系列のスパイクを予測します。
|
|
Concatenate(TransformsCatalog, String, String[])
|
1 つ以上の ColumnConcatenatingEstimator入力列を新しい出力列に連結する 、作成します。
|
|
CopyColumns(TransformsCatalog, String, String)
|
新しい列に ColumnCopyingEstimator指定された inputColumnName 列からデータをコピーする、作成します outputColumnName。
|
|
DropColumns(TransformsCatalog, String[])
|
から列の ColumnSelectingEstimator特定のリストを削除する 、を作成します IDataView。 指定されていない列は、出力に保持されます。
|
|
SelectColumns(TransformsCatalog, String[])
|
列の特定の ColumnSelectingEstimatorリストを保持し、他の列を IDataView 削除する、作成します。
|
|
SelectColumns(TransformsCatalog, String[], Boolean)
|
列の特定の ColumnSelectingEstimatorリストを保持し、他の列を IDataView 削除する、作成します。
|
|
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)
|
[作成FastForestBinaryFeaturizationEstimator] は、ツリーベースの特徴を作成するためにトレーニングTreeEnsembleModelParametersに使用FastForestBinaryTrainerします。
|
|
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)
|
[作成FastForestRegressionFeaturizationEstimator] は、ツリーベースの特徴を作成するためにトレーニングTreeEnsembleModelParametersに使用FastForestRegressionTrainerします。
|
|
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)
|
[作成FastTreeBinaryFeaturizationEstimator] は、ツリーベースの特徴を作成するためにトレーニングTreeEnsembleModelParametersに使用FastTreeBinaryTrainerします。
|
|
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)
|
[作成FastTreeRankingFeaturizationEstimator] は、ツリーベースの特徴を作成するためにトレーニングTreeEnsembleModelParametersに使用FastTreeRankingTrainerします。
|
|
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)
|
[作成FastTreeRegressionFeaturizationEstimator] は、ツリーベースの特徴を作成するためにトレーニングTreeEnsembleModelParametersに使用FastTreeRegressionTrainerします。
|
|
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)
|
[作成FastTreeTweedieFeaturizationEstimator] は、ツリーベースの特徴を作成するためにトレーニングTreeEnsembleModelParametersに使用FastTreeTweedieTrainerします。
|
|
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)
|
作成 PretrainedTreeFeaturizationEstimator, 与えられたツリーベースの特徴を TreeEnsembleModelParameters生成します.
|