Поделиться через


LpNormNormalizingEstimator Класс

Определение

Нормализует (масштабы) в входном столбце в норме единицы. Тип используемой нормы может быть указан пользователем.

public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase
type LpNormNormalizingEstimator = class
    inherit LpNormNormalizingEstimatorBase
Public NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase
Наследование

Комментарии

Характеристики оценщика

Должен ли этот оценщик просмотреть данные для обучения его параметров? нет
Тип данных входного столбца Вектор Single
Тип данных выходного столбца Вектор Single
Экспортируемый в ONNX Да

LpNormNormalizingTransformer Полученный результат нормализует векторы во входном столбце по отдельности, изменив их на норму единицы.

Позвольте $x$ входным вектором, $n$ размер вектора, $L(x)$ нормовой функции, выбранной пользователем. Пусть $\mu(x) = \sum_i x_i / n$ будет среднее значение вектора $x$. Выполняет LpNormNormalizingTransformer следующую операцию для каждого входного вектора $x$: $y = \frac{x - \mu(x)}{L(x)}$ , если пользователь указывает, что среднее значение должно быть равно нулю или иным образом: $y = \frac{x}{L(x)}$

Существует четыре типа норм, которые могут быть выбраны пользователем для применения к входным вектором $x$. Они определяются с помощью следующих параметров.

  • 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: $L_\sigma(x)$ определяется как стандартное отклонение элементов входного вектора $x$

Ссылки на примеры использования см. в разделе "См. также".

Методы

Fit(IDataView)

Нормализует (масштабы) в входном столбце в норме единицы. Тип используемой нормы может быть указан пользователем.

(Унаследовано от TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)

Возвращает схему SchemaShape , которая будет производиться преобразователем. Используется для распространения и проверки схемы в конвейере.

(Унаследовано от LpNormNormalizingEstimatorBase)

Методы расширения

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

Добавьте "контрольную точку кэширования" в цепочку оценщика. Это гарантирует, что подчиненные оценщики будут обучены на основе кэшированных данных. Рекомендуется использовать контрольную точку кэширования перед обучением, которые принимают несколько данных.

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

Учитывая оценщик, верните объект-оболочку, который будет вызывать делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что было положено, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако в то же время часто IEstimator<TTransformer> формируются в конвейеры со многими объектами, поэтому нам может потребоваться создать цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова соответствия.

Применяется к

См. также раздел