TrivialEstimator<TTransformer> Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Data

Zestaw:

Microsoft.ML.Data.dll

Pakiet:

Microsoft.ML v3.0.1

Trywialna implementacja tej IEstimator<TTransformer> funkcji ma już transformator i zwraca go przy każdym wywołaniu metody Fit(IDataView).

Konkretne implementacje nadal muszą zapewnić mechanizm propagacji schematu, ponieważ nie ma łatwego sposobu wnioskowania go z transformatora.

public abstract class TrivialEstimator<TTransformer> : Microsoft.ML.IEstimator<TTransformer> where TTransformer : class, ITransformer

type TrivialEstimator<'ransformer (requires 'ransformer : null and 'ransformer :> ITransformer)> = class
    interface IEstimator<'ransformer (requires 'ransformer : null and 'ransformer :> ITransformer)>

Public MustInherit Class TrivialEstimator(Of TTransformer)
Implements IEstimator(Of TTransformer)

Parametry typu

TTransformer

Dziedziczenie

Object

TrivialEstimator<TTransformer>

Pochodne

Microsoft.ML.Data.ImageLoadingEstimator

Microsoft.ML.Transforms.ColumnCopyingEstimator

Microsoft.ML.Transforms.ColumnSelectingEstimator

Microsoft.ML.Transforms.CustomMappingEstimator<TSrc,TDst>

Microsoft.ML.Transforms.FeatureContributionCalculatingEstimator

Microsoft.ML.Transforms.Image.ImageGrayscalingEstimator

Microsoft.ML.Transforms.Image.ImagePixelExtractingEstimator

Microsoft.ML.Transforms.Image.ImageResizingEstimator

Microsoft.ML.Transforms.Image.VectorToImageConvertingEstimator

Microsoft.ML.Transforms.KeyToBinaryVectorMappingEstimator

Microsoft.ML.Transforms.KeyToValueMappingEstimator

Microsoft.ML.Transforms.KeyToVectorMappingEstimator

Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase

Microsoft.ML.Transforms.MissingValueIndicatorEstimator

Microsoft.ML.Transforms.Onnx.OnnxScoringEstimator

Microsoft.ML.Transforms.StatefulCustomMappingEstimator<TSrc,TDst,TState>

Microsoft.ML.Transforms.Text.CustomStopWordsRemovingEstimator

Microsoft.ML.Transforms.Text.StopWordsRemovingEstimator

Microsoft.ML.Transforms.Text.TextNormalizingEstimator

Microsoft.ML.Transforms.Text.TokenizingByCharactersEstimator

Microsoft.ML.Transforms.Text.WordTokenizingEstimator

Microsoft.ML.Transforms.TimeSeries.IidChangePointEstimator

Microsoft.ML.Transforms.TimeSeries.IidSpikeEstimator

Microsoft.ML.Transforms.TimeSeries.SrCnnAnomalyEstimator

Microsoft.ML.Transforms.TypeConvertingEstimator

Microsoft.ML.Transforms.ValueMappingEstimator

Implementuje

IEstimator<TTransformer>

Metody

Fit(IDataView)	Trywialna implementacja tej IEstimator<TTransformer> funkcji ma już transformator i zwraca go przy każdym wywołaniu metody Fit(IDataView). Konkretne implementacje nadal muszą zapewnić mechanizm propagacji schematu, ponieważ nie ma łatwego sposobu wnioskowania go z transformatora.
GetOutputSchema(SchemaShape)	Trywialna implementacja tej IEstimator<TTransformer> funkcji ma już transformator i zwraca go przy każdym wywołaniu metody Fit(IDataView). Konkretne implementacje nadal muszą zapewnić mechanizm propagacji schematu, ponieważ nie ma łatwego sposobu wnioskowania go z transformatora.

Metody rozszerzania

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Dołącz "punkt kontrolny buforowania" do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane pod kątem buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejdą wiele danych.

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

Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który będzie wywoływać delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólny ITransformerelement . Jednak w tym samym czasie IEstimator<TTransformer> są często tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania, za pośrednictwem EstimatorChain<TLastTransformer> którego narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który zostanie wywołany po wywołaniu dopasowania.