CountFeatureSelectingEstimator Classe

Definição

Namespace:

Microsoft.ML.Transforms

Assembly:

Microsoft.ML.Transforms.dll

Pacote:

Microsoft.ML v3.0.1

Seleciona os slots para os quais a contagem de valores não padrão é maior ou igual a um limite.

public sealed class CountFeatureSelectingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.ITransformer>

type CountFeatureSelectingEstimator = class
    interface IEstimator<ITransformer>

Public NotInheritable Class CountFeatureSelectingEstimator
Implements IEstimator(Of ITransformer)

Herança

Object

CountFeatureSelectingEstimator

Implementações

IEstimator<ITransformer>

Comentários

Características do avaliador

Esse avaliador precisa examinar os dados para treinar seus parâmetros?	Sim
Tipo de dados de coluna de entrada	Vetor ou escalar de tipos de Singledados de Double texto ou de texto
Tipo de dados da coluna de saída	O mesmo que a coluna de entrada
Exportável para ONNX	Sim

Essa transformação usa um conjunto de agregadores para contar o número de valores para cada slot (elemento vetor) que não são padrão e não ausentes (para as definições de padrão e ausentes, consulte a seção comentários em DataKind). Se o valor da contagem for menor que o parâmetro de contagem fornecido, esse slot será descartado. Essa transformação é útil quando aplicada junto com um OneHotHashEncodingTransformer. Ele pode remover os recursos gerados pela transformação de hash que não têm dados nos exemplos.

Por exemplo, se definirmos o parâmetro de contagem como 3 e ajustarmos o avaliador, aplicaremos o transformador à seguinte coluna Recursos, veremos o segundo slot, contendo: valores NaN (valor ausente), 5, 5, 0 (valor padrão) sendo descartados porque esse slot tem apenas dois valores não padrão e não ausentes, ou seja, os dois valores 5. O terceiro slot está sendo mantido, pois tem os valores 6, 6, 6, NaN; portanto, ele tem 3 não padrão e não ausentes.

Recursos
4, NaN, 6
4,5,6
4,5,6
4,0,NaN

É assim que o conjunto de dados acima ficaria, após a transformação.

Recursos
4,6
4,6
4,6
4,NaN

Verifique a seção Consulte Também para obter links para exemplos de uso.

Métodos

Fit(IDataView)	Treina e retorna um ITransformer.
GetOutputSchema(SchemaShape)	Retorna o SchemaShape esquema que será produzido pelo transformador. Usado para propagação e verificação de esquema em um pipeline.

Métodos de Extensão

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

Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os estimadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que levam vários passes de dados.

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

Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) que seja chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, 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 estimador 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 o ajuste for chamado.

Confira também

• SelectFeaturesBasedOnCount(TransformsCatalog+FeatureSelectionTransforms, String, String, Int64)
• SelectFeaturesBasedOnCount(TransformsCatalog+FeatureSelectionTransforms, InputOutputColumnPair[], Int64)