LpNormNormalizingEstimator Класс

Определение

Пространство имен:

Microsoft.ML.Transforms

Сборка:

Microsoft.ML.Transforms.dll

Пакет:

Microsoft.ML v2.0.0

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

Object

TrivialEstimator<LpNormNormalizingTransformer>

LpNormNormalizingEstimatorBase

LpNormNormalizingEstimator

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.

См. также раздел

• NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)