NormalizingEstimator Sınıf
Tanım
Önemli
Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.
public sealed class NormalizingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.NormalizingTransformer>
type NormalizingEstimator = class
interface IEstimator<NormalizingTransformer>
Public NotInheritable Class NormalizingEstimator
Implements IEstimator(Of NormalizingTransformer)
- Devralma
-
NormalizingEstimator
- Uygulamalar
Açıklamalar
Tahmin Aracı Özellikleri
Bu tahmin aracının parametrelerini eğitmek için verilere bakması gerekiyor mu? | Yes |
Giriş sütunu veri türü | Single veya Double bu türlerden bilinen boyutlu bir vektör. |
Çıkış sütunu veri türü | Giriş sütunuyla aynı veri türü |
ONNX'e aktarılabilir | Yes |
Sonuçta elde edilen NormalleştirmeEstimator, verileri nasıl oluşturulduğuna bağlı olarak aşağıdaki yöntemlerden biriyle normalleştirir:
- Min Max - Her satır için en düşük ve en yüksek değerleri temel alan doğrusal bir yeniden ölçeklendirme.
- Ortalama Varyans - Her satırı birim varyansı ve isteğe bağlı olarak sıfır ortalaması olacak şekilde yeniden ölçeklendir.
- Günlük Ortalama Varyansı - Günlük ölçeğindeki hesaplamaları temel alarak her satırı isteğe bağlı olarak sıfır ortalama olacak şekilde birim varyansı olarak yeniden ölçeklendirin.
- Gruplama - Her satırdaki verileri demetler ve hesaplanan bölmelere göre doğrusal bir yeniden ölçeklendirme gerçekleştirir.
- Denetimli Gruplama - Her satırdaki verileri demet haline getirir ve hesaplanan bölmelere göre doğrusal bir yeniden ölçeklendirme gerçekleştirir. Bölme hesaplaması, Etiket sütununun bağıntısını temel alır.
- Sağlam Ölçeklendirme - İsteğe bağlı olarak verileri ortalar ve veri aralığına ve sağlanan minimum ve maksimum değerlere göre ölçeklendirir. Bu yöntem aykırı değerler için daha güçlüdür.
Tahmin Aracı Ayrıntıları
Normalleştirilmiş verilerin aralığı fixZero'nun belirtilip belirtilmediğine bağlıdır. fixZero varsayılan değeri true'dır. fixZero false olduğunda, normalleştirilmiş aralık $[0,1]$ olur ve normalleştirilmiş değerlerin dağılımı normalleştirme moduna bağlıdır. Örneğin, Min Max ile, minimum ve maksimum değerler sırasıyla 0 ve 1 ile eşlenir ve kalan değerler arasında kalır. fixZero ayarlandığında, normalleştirilmiş aralık normalleştirme moduna bağlı olarak normalleştirilmiş değerlerin dağılımıyla $[-1,1]$ olur, ancak davranış farklıdır. Min Max ile dağılım, sayın 0'dan ne kadar uzak olduğuna bağlıdır ve sonuç olarak en büyük uzaklık pozitif bir sayıysa 1'e, negatif bir sayı ise -1'e eşlenir. 0'dan uzaklık, sayıların çoğunluğunun 0'a doğru normalleşerek birbirine yakın olduğu dağılımı etkiler. Sağlam Ölçeklendirme fixZero kullanmaz ve değerleri $[0,1]$ veya $[-1,1]$ ile kısıtlanmaz. Ölçeklendirme, veri aralığına ve sağlanan minimum ve maksimum miktara bağlıdır.
CDF seçeneğini kullanmadan $x$ girişinde Hem Ortalama Varyans hem de Günlük Ortalama Varyansı uygulamanın çıkış $y$ denklemi şu şekildedir: $y = (x - \text{offset}) \text{scale}$. Eğitim sırasında uzaklık ve ölçeklendirmenin hesaplandığı yer.
CDF seçeneğinin kullanılması şu şekildedir: $y = 0,5 * (1 + \text{ERF}((x - \text{mean}) / (\text{standard sapma} * sqrt(2))$. Burada HATAİşLEV, normal olarak dağıtıldığı varsayılan rastgele bir değişkenin CDF'sini yaklaşık olarak bulmak için kullanılan Hata İşlevidir . Ortalama ve standart sapma, eğitim sırasında hesaplamadır.
Bu tahmin aracını oluşturmak için aşağıdakilerden birini kullanın:
- [NormalizeMinMax] (xref:Microsoft.ML.NormalizationCatalog.NormalizeMinMax(Microsoft.ML.TransformsCatalog, System.String, System.String, System.Int64, System.Boolean))
- NormalizeMeanVariance
- NormalizeLogMeanVariance
- NormalizeBinning
- DenetimliBinning'i Normalleştirme
- NormalizeRobustScaling
Kullanım örnekleri için yukarıdaki bağlantıları gözden geçirin.
Yöntemler
Fit(IDataView) |
Bir NormalizingTransformereğiter ve döndürür. |
GetOutputSchema(SchemaShape) |
SchemaShape Transformatör tarafından üretilecek şemanın değerini döndürür. İşlem hattında şema yayma ve doğrulama için kullanılır. |
Uzantı Metotları
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tahmin aracı zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçişi alan eğitmenlerden önce bir önbelleğe alma denetim noktası olması yararlıdır. |
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Tahmin aracı verildiğinde, çağrıldıktan sonra Fit(IDataView) temsilci çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir. Bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesneye sahip işlem hatları halinde oluşturulur, bu nedenle transformatör almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz. |