NormalizingEstimator Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Transforms

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v5.0.0-preview.1.25125.4

Kaynak:

Normalizer.cs

IEstimator<TTransformer> NormalizingTransformeriçin .

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

Object

NormalizingEstimator

Uygulamalar

IEstimator<NormalizingTransformer>

Açıklamalar

Tahmin Aracı Özellikleri

Bu tahmin aracının parametrelerini eğitmek için verilere bakması gerekiyor mu?	Evet
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	Evet

Sonuçta elde edilen NormalleştirmeEstimator, verileri nasıl oluşturulduğuna bağlı olarak aşağıdaki yollardan 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 OrtalamaSı Varyansı - Günlük ölçeğindeki hesaplamalara göre her satırı birim varyansı (isteğe bağlı olarak sıfır ortalama) olacak şekilde yeniden ölçeklendirin.
• Bölme - Her satırdaki verileri demetler ve hesaplanan bölmeleri temel alarak doğrusal bir yeniden ölçeklendirme gerçekleştirir.
• Denetimli Bölme - Her satırdaki verileri gruplandırın ve hesaplanan bölmelere göre doğrusal bir yeniden ölçeklendirme gerçekleştirir. Bölme hesaplaması, Etiket sütununun bağıntısını temel alır.
• Sağlam Ölçeklendirme - İsteğe bağlı olarak verileri ve ölçekleri veri aralığına ve sağlanan miktar min ve maksimum değerlere göre ortalar. 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 en düşük ve en yüksek değerler sırasıyla 0 ve 1 ile eşlenir ve kalan değerler arada kalır. fixZero ayarlandığında normalleştirilmiş aralık $[-1,1]$ olur ve normalleştirme moduna bağlı olarak normalleştirilmiş değerlerin dağılımıyla birlikte davranış farklıdır. Min Max ile dağılım, sayın 0'dan ne kadar uzakta olduğuna bağlıdır ve sonuç olarak en büyük uzaklık pozitif bir sayıysa 1'e eşlenir veya negatif bir sayıysa -1. 0'dan uzaklık, sayıların çoğunluğu 0'a doğru normalleşen dağılımı etkiler. Sağlam Ölçeklendirme fixZero kullanmaz ve değerleri $[0,1]$ veya $[-1,1]$ ile kısıtlanmaz. Ölçeklendirme, veri aralığına ve sağlanan miktar min ve maksimum değere bağlıdır.

CDF seçeneğini kullanmadan giriş $x$ girişinde Hem Ortalama Varyans hem de Günlük Ortalama Varyansı uygulamanın çıkış $y$ denklemi şudur: $y = (x - \text{offset}) \text{scale}$. Eğitim sırasında uzaklık ve ölçeklendirmenin hesaplandığı yer.

CDF seçeneğinin kullanılması şu şekildedir: $y = 0,5 * (1 + \metin{ERF}((x - \metin{ortalama}) / (\metin{standart sapma} * sqrt(2)))$. BURADA ERF, normal olarak dağıtıldığı varsayılan rastgele bir değişkenin CDF'sini yaklaşık olarak ayarlamak için kullanılan Hata İşlevidir . Ortalama ve standart sapma, eğitim sırasında bilgi işlemdir.

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
• NormalizeSupervisedBinning
• NormalizeRobustScaling

Kullanım örnekleri için yukarıdaki bağlantılara bakın.

Yöntemler

Name	Description
Fit(IDataView)	Bir eğitip döndürür NormalizingTransformer.
GetOutputSchema(SchemaShape)	SchemaShape Transformatör tarafından üretilecek şemanın değerini döndürür. İşlem hattında şema yayma ve doğrulama için kullanılır.

Uzantı Metotları

Name	Description
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Tahmin zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınmış verilere karşı eğitilmesini sağlar. Birden fazla veri alan eğitmenler geçişten önce bir önbelleğe alma kontrol noktasının olması yararlıdır.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	Tahmin aracı verildiğinde, bir temsilci çağrıldıktan sonra Fit(IDataView) 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 nesne içeren işlem hatları halinde oluşturulur, bu nedenle transformatörü almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömüldüğü bir tahmin zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla uygun çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz.