LpNormNormalizingEstimator Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Transforms

Zestaw:

Microsoft.ML.Transforms.dll

Pakiet:

Microsoft.ML v2.0.0

Normalizuje (skaluje) wektory w kolumnie wejściowej do normy jednostkowej. Typ używanej normy może być określony przez użytkownika.

public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase

type LpNormNormalizingEstimator = class
    inherit LpNormNormalizingEstimatorBase

Public NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase

Dziedziczenie

Object

TrivialEstimator<LpNormNormalizingTransformer>

LpNormNormalizingEstimatorBase

LpNormNormalizingEstimator

Uwagi

Charakterystyka narzędzia do szacowania

Czy ten narzędzie do szacowania musi przyjrzeć się danym, aby wytrenować jego parametry?	Nie
Typ danych kolumny wejściowej	Wektor Single
Typ danych kolumny wyjściowej	Wektor Single
Eksportowanie do pliku ONNX	Tak

Wynikowe LpNormNormalizingTransformer wektory znormalizowane w kolumnie wejściowej indywidualnie przez ich ponowne skalowanie do normy jednostkowej.

Niech $x$ jako wektor wejściowy, $n$ rozmiar wektora, $L(x)$ normy funkcji wybranej przez użytkownika. Niech $\mu(x) = \sum_i x_i / n$ to średnia wartości wektora $x$. Wykonuje LpNormNormalizingTransformer następującą operację na każdym wektorze wejściowym $x$: $y = \frac{x - \mu(x)}{L(x)}$, jeśli użytkownik określa, że średnia powinna mieć wartość zero lub w inny sposób: $y = \frac{x}{L(x)}$

Istnieją cztery typy norm, które można wybrać przez użytkownika do zastosowania w wektorze wejściowym $x$. Są one zdefiniowane w następujący sposób:

• L1: $L_1(x) = \sum_i |x_i|$
• L2: $L_2(x) = \sqrt{\sum_i x_i^2}$
• Infinity: $L_{\infty}(x) = \max_i{|x_i|} $
• StandardDeviation: $L_\sigma(x)$ jest definiowany jako odchylenie standardowe elementów wektora wejściowego $x$

Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.

Metody

Fit(IDataView)	Normalizuje (skaluje) wektory w kolumnie wejściowej do normy jednostkowej. Typ używanej normy może być określony przez użytkownika. (Odziedziczone po TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	SchemaShape Zwraca schemat, który zostanie wygenerowany przez transformator. Służy do propagacji schematu i weryfikacji w potoku. (Odziedziczone po LpNormNormalizingEstimatorBase)

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 względem buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejmą wiele danych.

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

Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła 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 ogólną ITransformerwartość . Jednak w tym samym czasie IEstimator<TTransformer> często są tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym 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.

Zobacz też

• NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)