IEstimator<TTransformer> Interface

Definição

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Core.dll

Pacote:

Microsoft.ML v5.0.0-preview.1.25125.4

Origem:

IEstimator.cs

O avaliador (na terminologia do Spark) é um "transformador não treinado". Ele precisa 'caber' nos dados para fabricar um transformador. Ele também fornece a "propagação de esquema" como os transformadores fazem, mas em SchemaShape vez de DataViewSchema.

C#

public interface IEstimator<out TTransformer> where TTransformer : ITransformer

Parâmetros de tipo

TTransformer

Este parâmetro de tipo é covariante. Isso significa que é possível usar o tipo especificado ou qualquer tipo mais derivado. Para obter mais informações sobre covariância e contravariância, consulte Covariância e contravariância em genéricos.

Derivado

Microsoft.ML.Calibrators.CalibratorEstimatorBase<TICalibrator>

Microsoft.ML.Data.EstimatorChain<TLastTransformer>

Microsoft.ML.Data.TrivialEstimator<TTransformer>

Microsoft.ML.TorchSharp.AutoFormerV2.ObjectDetectionTrainer

Microsoft.ML.TorchSharp.Roberta.QATrainer

Microsoft.ML.TorchSharp.TorchSharpBaseTrainer

Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBase

Microsoft.ML.Trainers.FieldAwareFactorizationMachineTrainer

Microsoft.ML.Trainers.ITrainerEstimator<TTransformer,TModel>

Microsoft.ML.Trainers.MatrixFactorizationTrainer

Microsoft.ML.Trainers.MetaMulticlassTrainer<TTransformer,TModel>

Microsoft.ML.Trainers.PriorTrainer

Microsoft.ML.Trainers.TrainerEstimatorBase<TTransformer,TModel>

Microsoft.ML.Transforms.ApproximatedKernelMappingEstimator

Microsoft.ML.Transforms.ColumnConcatenatingEstimator

Microsoft.ML.Transforms.CountFeatureSelectingEstimator

Microsoft.ML.Transforms.ExpressionEstimator

Microsoft.ML.Transforms.HashingEstimator

Microsoft.ML.Transforms.MissingValueReplacingEstimator

Microsoft.ML.Transforms.MutualInformationFeatureSelectingEstimator

Microsoft.ML.Transforms.NormalizingEstimator

Microsoft.ML.Transforms.OneHotEncodingEstimator

Microsoft.ML.Transforms.OneHotHashEncodingEstimator

Microsoft.ML.Transforms.Onnx.DnnImageFeaturizerEstimator

Microsoft.ML.Transforms.PrincipalComponentAnalyzer

Microsoft.ML.Transforms.TensorFlowEstimator

Microsoft.ML.Transforms.Text.LatentDirichletAllocationEstimator

Microsoft.ML.Transforms.Text.NgramExtractingEstimator

Microsoft.ML.Transforms.Text.NgramHashingEstimator

Microsoft.ML.Transforms.Text.TextFeaturizingEstimator

Microsoft.ML.Transforms.Text.WordBagEstimator

Microsoft.ML.Transforms.Text.WordEmbeddingEstimator

Microsoft.ML.Transforms.Text.WordHashBagEstimator

Microsoft.ML.Transforms.TimeSeries.SsaChangePointEstimator

Microsoft.ML.Transforms.TimeSeries.SsaForecastingEstimator

Microsoft.ML.Transforms.TimeSeries.SsaSpikeEstimator

Microsoft.ML.Transforms.ValueToKeyMappingEstimator

Microsoft.ML.Transforms.VectorWhiteningEstimator

Métodos

Fit(IDataView)	Treine e retorne um transformador.
GetOutputSchema(SchemaShape)	Propagação de esquema para avaliadores. Retorna a forma de esquema de saída do avaliador, se a forma do esquema de entrada for semelhante à fornecida.

Métodos de Extensão

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

Acrescente um 'ponto de verificação de cache' à cadeia de avaliadores. Isso garantirá que os avaliadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que fazem várias passagens de dados.

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

Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) chamado. Geralmente, é importante que um avaliador retorne informações sobre o que era adequado, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o avaliador para o qual queremos obter o transformador está enterrado em algum lugar nesta cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que fit for chamado.

Aplica-se a