NormalizationCatalog Classe

Definição

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Transforms.dll

Pacote:

Microsoft.ML v3.0.1

Coleção de métodos de extensão para TransformsCatalog criar instâncias de componentes de normalização numérica.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Herança

Object

NormalizationCatalog

Métodos

NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com densidade igual.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com densidade igual.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Crie uma GlobalContrastNormalizingEstimator, que normaliza as colunas aplicando individualmente a normalização de contraste global. Definir ensureZeroMean como true, aplicará uma etapa de pré-processamento para tornar a média da coluna especificada o vetor zero.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Crie uma LpNormNormalizingEstimator, que normaliza (dimensiona) vetores na coluna de entrada para a norma de unidade. O tipo de norma que é usado é definido por norm. Definir ensureZeroMean como true, aplicará uma etapa de pré-processamento para tornar a média da coluna especificada um vetor zero.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação dos dados.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação dos dados.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base nos valores mínimos e máximos observados dos dados.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base nos valores mínimos e máximos observados dos dados.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Crie um NormalizingEstimator, que normaliza o uso de estatísticas robustas para exceções centralizando os dados em torno de 0 (removendo a mediana) e dimensionando os dados de acordo com o intervalo quantile (padrão para o intervalo interquartil).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Crie um NormalizingEstimator, que normaliza o uso de estatísticas robustas para exceções centralizando os dados em torno de 0 (removendo a mediana) e dimensionando os dados de acordo com o intervalo quantile (padrão para o intervalo interquartil).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com base na correlação com a labelColumnName coluna.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com base na correlação com a labelColumnName coluna.