SupportedTransformers Klas

Referentie

Definieert klantgerichte namen voor transformatoren die worden ondersteund door AutoML.

Transformatoren worden geclassificeerd voor gebruik met Categorical gegevens (bijvoorbeeld CatImputer), DateTime gegevens (bijvoorbeeld DataTimeTransformer), gegevens (bijvoorbeeld ), Text gegevens (bijvoorbeeld TfIdf), of voor Generic gegevenstypen (bijvoorbeeld Imputer).

Overname: builtins.object

SupportedTransformers

Constructor

SupportedTransformers()

Opmerkingen

De kenmerken die zijn gedefinieerd in SupportedTransformers worden gebruikt in featurization-samenvattingen bij het gebruik van automatische voorverwerking in geautomatiseerde ML of bij het aanpassen van featurization met de FeaturizationConfig klasse, zoals wordt weergegeven in het voorbeeld.


   featurization_config = FeaturizationConfig()
   featurization_config.add_transformer_params('Imputer', ['column1'], {"strategy": "median"})
   featurization_config.add_transformer_params('HashOneHotEncoder', [], {"number_of_bits": 3})

Zie Geautomatiseerde ML-experimenten configureren voor meer informatie.

Kenmerken

ImputationMarker

Voeg booleaanse invoermarkering toe voor de opgegeven waarden.

ImputationMarker = 'ImputationMarker'

Imputer

Ontbrekende waarden voltooien.

Imputer = 'Imputer'

MaxAbsScaler

Gegevens schalen met de maximale absolute waarde.

MaxAbsScaler = 'MaxAbsScaler'

CatImputer

Ontbrekende waarden voor categorische functies invoeren op basis van de meest voorkomende categorie.

CatImputer = 'CatImputer'

HashOneHotEncoder

Converteer invoer naar hash en codeer naar one-hot gecodeerde vector.

HashOneHotEncoder = 'HashOneHotEncoder'

LabelEncoder

Categorische gegevens coderen in getallen.

LabelEncoder = 'LabelEncoder'

CatTargetEncoder

Wijs categoriegegevens toe met een gemiddelde doelwaarde voor regressie en de klassekans voor classificatie.

CatTargetEncoder = 'CatTargetEncoder'

WoETargetEncoder

Bereken het bewijsgewicht van de correlatie van een categorische gegevens met een doelkolom.

WoETargetEncoder = 'WoETargetEncoder'

OneHotEncoder

Invoer converteren naar one-hot gecodeerde vector.

OneHotEncoder = 'OneHotEncoder'

DateTimeTransformer

Breid datatime-functies uit naar subfuncties zoals jaar, maand en dag.

DateTimeTransformer = 'DateTimeTransformer'

CountVectorizer

Converteer een verzameling documenten naar een matrix van tokenaantallen.

CountVectorizer = 'CountVectorizer'

NaiveBayes

Tekstgegevens transformeren met behulp van sklearn Multinomial Naïve Bayes.

NaiveBayes = 'NaiveBayes'

StringCast

Cast-invoer naar tekenreeks en kleine letters.

StringCast = 'StringCast'

TextTargetEncoder

Doelcodering toepassen op tekstgegevens, waarbij een gestapeld lineair model met woorden de waarschijnlijkheid van elke klasse genereert.

TextTargetEncoder = 'TextTargetEncoder'

TfIdf

Een tellingsmatrix transformeren naar een genormaliseerde TF- of TF-iDF-weergave.

TfIdf = 'TfIdf'

TimeIndexFeaturizer

Transformer voor het maken van op datum/tijd gebaseerde functies met behulp van time_index_featurizer klasse.

TimeIndexFeaturizer = 'TimeIndexFeaturizer'

WordEmbedding

Converteer vectoren van teksttokens naar zinsvectoren met behulp van een vooraf getraind model.

WordEmbedding = 'WordEmbedding'

CUSTOMIZABLE_TRANSFORMERS

Transformatoren die zijn aangepast in featurization met parameters van methoden in de FeaturizationConfig klasse.

CUSTOMIZABLE_TRANSFORMERS = {'HashOneHotEncoder', 'Imputer', 'TfIdf'}

BLOCK_TRANSFORMERS

Transformatoren die kunnen worden geblokkeerd voor gebruik in featurization in de FeaturizationConfig klasse.

BLOCK_TRANSFORMERS = {'CatTargetEncoder', 'CountVectorizer', 'HashOneHotEncoder', 'LabelEncoder', 'NaiveBayes', 'OneHotEncoder', 'TextTargetEncoder', 'TfIdf', 'TimeIndexFeaturizer', 'WoETargetEncoder', 'WordEmbedding'}

FULL_SET

De volledige set transformatoren.

FULL_SET = {'CatImputer', 'CatTargetEncoder', 'CountVectorizer', 'DateTimeTransformer', 'HashOneHotEncoder', 'ImputationMarker', 'Imputer', 'LabelEncoder', 'MaxAbsScaler', 'NaiveBayes', 'OneHotEncoder', 'StringCast', 'TextTargetEncoder', 'TfIdf', 'TimeIndexFeaturizer', 'WoETargetEncoder', 'WordEmbedding'}

Delen via