Gegevenstransformaties

Gegevenstransformaties worden gebruikt om:

• Gegevens voorbereiden voor modeltraining.
• Pas een geïmporteerd model toe in TensorFlow- of ONNX-indeling.
• Gegevens na het verwerken nadat deze zijn doorgegeven via een model.

De transformaties in deze handleiding retourneren klassen die de IEstimator-interface implementeren. Gegevenstransformaties kunnen aan elkaar worden gekoppeld. Elke transformatie verwacht en produceert gegevens van specifieke typen en indelingen, die zijn opgegeven in de gekoppelde referentiedocumentatie.

Voor sommige gegevenstransformaties moeten trainingsgegevens worden gebruikt om hun parameters te berekenen. Bijvoorbeeld: de NormalizeMeanVariance transformator berekent het gemiddelde en de variantie van de trainingsgegevens tijdens de Fit() bewerking en gebruikt deze parameters in de Transform() bewerking.

Voor andere gegevenstransformaties zijn geen trainingsgegevens vereist. Bijvoorbeeld: de ConvertToGrayscale transformatie kan de Transform() bewerking uitvoeren zonder trainingsgegevens tijdens de Fit() bewerking te hebben gezien.

Kolomtoewijzing en groepering

Transformeren	Definitie	ONNX exporteerbaar
Concatenate	Een of meer invoerkolommen samenvoegen in een nieuwe uitvoerkolom	Ja
CopyColumns	Een of meer invoerkolommen kopiëren en de naam ervan wijzigen	Ja
DropColumns	Een of meer invoerkolommen verwijderen	Ja
SelectColumns	Selecteer een of meer kolommen die u wilt behouden uit de invoergegevens	Ja

Normalisatie en schalen

Transformeren	Definitie	ONNX exporteerbaar
NormalizeMeanVariance	Het gemiddelde (van de trainingsgegevens) aftrekken en delen door de variantie (van de trainingsgegevens)	Ja
NormalizeLogMeanVariance	Normaliseren op basis van de logaritme van de trainingsgegevens	Ja
NormalizeLpNorm	Schaal invoervectoren op basis van hun lp-norm, waarbij p 1, 2 of oneindig is. De standaardwaarde l2 (Euclidische afstand)	Ja
NormalizeGlobalContrast	Schaal elke waarde in een rij door het gemiddelde van de rijgegevens af te trekken en te delen door de standaarddeviatie of l2-norm (van de rijgegevens) en te vermenigvuldigen met een configureerbare schaalfactor (standaard 2)	Ja
NormalizeBinning	Wijs de invoerwaarde toe aan een bin-index en deel door het aantal bins om een float-waarde tussen 0 en 1 te produceren. De bin-grenzen worden berekend om de trainingsgegevens gelijkmatig over bins te verdelen	Ja
NormalizeSupervisedBinning	De invoerwaarde toewijzen aan een bin op basis van de correlatie met de labelkolom	Ja
NormalizeMinMax	De invoer schalen op basis van het verschil tussen de minimum- en maximumwaarden in de trainingsgegevens	Ja
NormalizeRobustScaling	Schaal elke waarde met behulp van statistieken die robuust zijn voor uitbijters die de gegevens rond 0 centreren en de gegevens schalen op basis van het kwantielbereik.	Ja

Conversies tussen gegevenstypen

Transformeren	Definitie	ONNX exporteerbaar
ConvertType	Het type invoerkolom converteren naar een nieuw type	Ja
MapValue	Waarden toewijzen aan sleutels (categorieën) op basis van de opgegeven woordenlijst met toewijzingen	Nee
MapValueToKey	Waarden toewijzen aan sleutels (categorieën) door de toewijzing van de invoergegevens te maken	Ja
MapKeyToValue	Sleutels terug converteren naar de oorspronkelijke waarden	Ja
MapKeyToVector	Sleutels terug converteren naar vectoren van oorspronkelijke waarden	Ja
MapKeyToBinaryVector	Sleutels terug converteren naar een binaire vector van oorspronkelijke waarden	Nee
Hash	Hash de waarde in de invoerkolom	Ja

Teksttransformaties

Transformeren	Definitie	ONNX exporteerbaar
FeaturizeText	Een tekstkolom transformeren in een floatmatrix van genormaliseerde ngrammen en aantal tekens	Nee
TokenizeIntoWords	Een of meer tekstkolommen splitsen in afzonderlijke woorden	Ja
TokenizeIntoCharactersAsKeys	Een of meer tekstkolommen splitsen in afzonderlijke tekens zweven over een reeks onderwerpen	Ja
NormalizeText	Hoofdlettergebruik, diakritische tekens, leestekens en getallen verwijderen	Ja
ProduceNgrams	De tekstkolom transformeren in een zak met aantallen ngrammen (reeksen opeenvolgende woorden)	Ja
ProduceWordBags	Tekstkolom transformeren in een zak met aantallen ngramvector	Ja
ProduceHashedNgrams	Tekstkolom transformeren in een vector van gehashte aantal ngram	Nee
ProduceHashedWordBags	Tekstkolom omzetten in een zak met gehashte aantal ngrammen	Ja
RemoveDefaultStopWords	Standaardstopwoorden voor de opgegeven taal verwijderen uit invoerkolommen	Ja
RemoveStopWords	Hiermee verwijdert u opgegeven stopwoorden uit invoerkolommen	Ja
LatentDirichletAllocation	Een document (weergegeven als een vector van floats) transformeren in een vector van floats over een reeks onderwerpen	Ja
ApplyWordEmbedding	Vectoren van teksttokens converteren naar zinsvectoren met behulp van een vooraf getraind model	Ja

Afbeeldingstransformaties

Transformeren	Definitie	ONNX exporteerbaar
ConvertToGrayscale	Een afbeelding converteren naar grijswaarden	Nee
ConvertToImage	Een vector van pixels converteren naar ImageDataViewType	Nee
ExtractPixels	Pixels van invoerafbeelding converteren naar een vector van getallen	Nee
LoadImages	Afbeeldingen uit een map laden in het geheugen	Nee
LoadRawImageBytes	Laadt afbeeldingen van onbewerkte bytes in een nieuwe kolom.	Nee
ResizeImages	Het formaat van afbeeldingen wijzigen	Nee
DnnFeaturizeImage	Hiermee past u een vooraf getraind DNN-model (Deep Neural Network) toe om een invoerafbeelding te transformeren in een functievector	Nee

Categorische gegevenstransformaties

Transformeren	Definitie	ONNX exporteerbaar
OneHotEncoding	Een of meer tekstkolommen converteren naar gecodeerde vectoren met één hot	Ja
OneHotHashEncoding	Een of meer tekstkolommen converteren naar hashgebaseerde en gecodeerde vectoren	Nee

Tijdreeksgegevenstransformaties

Transformeren	Definitie	ONNX exporteerbaar
DetectAnomalyBySrCnn	Afwijkingen detecteren in de invoertijdreeksgegevens met behulp van het Sr-algoritme (Spectral Residual)	Nee
DetectChangePointBySsa	Wijzigingspunten in tijdreeksgegevens detecteren met behulp van SSA (Singular Spectrum Analysis)	Nee
DetectIidChangePoint	Wijzigingspunten detecteren in onafhankelijke en identiek gedistribueerde tijdreeksgegevens (IID) met behulp van adaptieve kerneldichtheidsschattingen en martingale-scores	Nee
ForecastBySsa	Tijdreeksgegevens voorspellen met behulp van SSA (Singular Spectrum Analysis)	Nee
DetectSpikeBySsa	Pieken in tijdreeksgegevens detecteren met behulp van SSA (Singular Spectrum Analysis)	Nee
DetectIidSpike	Pieken detecteren in onafhankelijke en identiek gedistribueerde tijdreeksgegevens (IID) met behulp van adaptieve kerneldichtheidsschattingen en martingale-scores	Nee
DetectEntireAnomalyBySrCnn	Detecteer afwijkingen voor de volledige invoergegevens met behulp van het SRCNN-algoritme.	Nee
DetectSeasonality	Detecteer seizoensgebondenheid met behulp van fourieranalyse.	Nee
LocalizeRootCause	Lokaliseer de hoofdoorzaak van tijdreeksinvoer met behulp van een beslissingsstructuur-algoritme.	Nee
LocalizeRootCauses	Lokaliseer de hoofdoorzaken van invoer uit de tie-serie.	Nee

Ontbrekende waarden

Transformeren	Definitie	ONNX exporteerbaar
IndicateMissingValues	Maak een nieuwe booleaanse uitvoerkolom, waarvan de waarde waar is wanneer de waarde in de invoerkolom ontbreekt	Ja
ReplaceMissingValues	Maak een nieuwe uitvoerkolom, waarvan de waarde is ingesteld op een standaardwaarde als de waarde ontbreekt in de invoerkolom en anders de invoerwaarde	Ja

Functieselectie

Transformeren	Definitie	ONNX exporteerbaar
SelectFeaturesBasedOnCount	Functies selecteren waarvan de niet-standaardwaarden groter zijn dan een drempelwaarde	Ja
SelectFeaturesBasedOnMutualInformation	Selecteer de functies waarop de gegevens in de labelkolom het meest afhankelijk zijn	Ja

Functietransformaties

Transformeren	Definitie	ONNX exporteerbaar
ApproximatedKernelMap	Wijs elke invoervector toe aan een lagere dimensionale functieruimte, waarbij interne producten een kernelfunctie benaderen, zodat de functies kunnen worden gebruikt als invoer voor de lineaire algoritmen	Nee
ProjectToPrincipalComponents	De dimensies van de invoerfunctievector verminderen door het algoritme Principal Component Analysis toe te passen

Uitlegbaarheidstransformaties

Transformeren	Definitie	ONNX exporteerbaar
CalculateFeatureContribution	Bijdragescores berekenen voor elk element van een functievector	Nee

Kalibratietransformaties

Transformeren	Definitie	ONNX exporteerbaar
Platt(String, String, String)	Transformeert een onbewerkte score van een binaire classificatie in een klassekans met behulp van logistieke regressie met parameters die worden geschat met behulp van de trainingsgegevens	Ja
Platt(Double, Double, String)	Transformeert een onbewerkte binaire classificatiescore in een klassekans met behulp van logistieke regressie met vaste parameters	Ja
Naive	Transformeert een onbewerkte binaire classificatiescore in een klassekans door scores toe te wijzen aan bins en de kans te berekenen op basis van de verdeling tussen de klassen	Ja
Isotonic	Transformeert een onbewerkte binaire classificatiescore in een klassekans door scores toe te wijzen aan bins, waarbij de positie van grenzen en de grootte van bins wordt geschat met behulp van de trainingsgegevens	Nee

Deep Learning-transformaties

Transformeren	Definitie	ONNX exporteerbaar
ApplyOnnxModel	De invoergegevens transformeren met een geïmporteerd ONNX-model	Nee
LoadTensorFlowModel	De invoergegevens transformeren met een geïmporteerd TensorFlow-model	Nee

Aangepaste transformaties

Transformeren	Definitie	ONNX exporteerbaar
FilterByCustomPredicate	Rijen verwijderen waarbij een opgegeven predicaat waar retourneert.	Nee
FilterByStatefulCustomPredicate	Hiermee worden rijen verwijderd waarbij een opgegeven predicaat waar retourneert, maar een opgegeven status toestaat.	Nee
CustomMapping	Bestaande kolommen transformeren naar nieuwe kolommen met een door de gebruiker gedefinieerde toewijzing	Nee
Expression	Een expressie toepassen om kolommen te transformeren in nieuwe kolommen	Nee