NormalizationCatalog Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML

Zestaw:

Microsoft.ML.Transforms.dll

Pakiet:

Microsoft.ML v2.0.0

Kolekcja metod rozszerzeń do TransformsCatalog tworzenia wystąpień składników normalizacji liczbowej.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Dziedziczenie

Object

NormalizationCatalog

Metody

NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników o równej gęstości.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników o równej gęstości.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Utwórz obiekt GlobalContrastNormalizingEstimator, który normalizuje kolumny indywidualnie stosując normalizację kontrastu globalnego. Ustawienie ensureZeroMean na truewartość spowoduje zastosowanie kroku przetwarzania wstępnego w celu określenia średniej określonej kolumny jako wektora zerowego.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Utwórz element LpNormNormalizingEstimator, który normalizuje (skaluje) wektory w kolumnie wejściowej do normy jednostkowej. Typ używanej normy jest definiowany przez element norm. Ustawienie ensureZeroMean na truewartość spowoduje zastosowanie kroku przetwarzania wstępnego w celu określenia średniej określonej kolumny jako wektora zerowego.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji danych.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji danych.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obserwowanych wartości minimalnych i maksymalnych danych.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obserwowanych wartości minimalnych i maksymalnych danych.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Utwórz obiekt NormalizingEstimator, który normalizuje się przy użyciu statystyk, które są niezawodne dla wartości odstających, wyśrodkując dane około 0 (usuwając medianę) i skalując dane zgodnie z zakresem kwantylu (domyślnie do zakresu interquartyl).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Utwórz obiekt NormalizingEstimator, który normalizuje się przy użyciu statystyk, które są niezawodne dla wartości odstających, wyśrodkując dane około 0 (usuwając medianę) i skalując dane zgodnie z zakresem kwantylu (domyślnie do zakresu interquartyl).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników na podstawie korelacji z kolumną labelColumnName .
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników na podstawie korelacji z kolumną labelColumnName .