CountFeatureSelectingEstimator Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
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
-
CountFeatureSelectingEstimator
- Implementações
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. |