TransformsCatalog Sınıf

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v2.0.0

dönüştürme bileşenlerinin örneklerini oluşturmak için tarafından MLContext kullanılan sınıf.

public sealed class TransformsCatalog

type TransformsCatalog = class

Public NotInheritable Class TransformsCatalog

Devralma

Object

TransformsCatalog

Özellikler

Categorical	Kategorik veriler üzerindeki işlemlerin listesi.
Conversion	Veri türü dönüştürme işlemlerinin listesi.
FeatureSelection	Bazı ölçütlere göre özellikleri seçme işlemlerinin listesi.
Text	Metin verilerini işleme işlemlerinin listesi.

Uzantı Metotları

CustomMapping<TSrc,TDst>(TransformsCatalog, Action<TSrc,TDst>, String, SchemaDefinition, SchemaDefinition)	Çıkış sütunlarına giriş sütunlarının özel eşlemesini uygulayan bir CustomMappingEstimator<TSrc,TDst>oluşturun.
StatefulCustomMapping<TSrc,TDst,TState>(TransformsCatalog, Action<TSrc,TDst,TState>, Action<TState>, String)	StatefulCustomMappingEstimator<TSrc,TDst,TState>Çıkış sütunlarına giriş sütunlarının özel eşlemesini uygulayan ve imleç başına duruma izin veren bir oluşturun.
CalculateFeatureContribution(TransformsCatalog, ISingleFeaturePredictionTransformer<ICalculateFeatureContribution>, Int32, Int32, Boolean)	Giriş vektörünün her özelliği için modele özgü katkı puanlarını hesaplayan bir FeatureContributionCalculatingEstimator oluşturun.
CalculateFeatureContribution<TModelParameters,TCalibrator>(TransformsCatalog, ISingleFeaturePredictionTransformer<CalibratedModelParametersBase<TModelParameters, TCalibrator>>, Int32, Int32, Boolean)	Giriş vektörünün her özelliği için modele özgü katkı puanlarını hesaplayan bir FeatureContributionCalculatingEstimator oluşturun. Kalibre edilmiş modelleri destekler.
Expression(TransformsCatalog, String, String, String[])	oluşturur ExpressionEstimator.
IndicateMissingValues(TransformsCatalog, InputOutputColumnPair[])	MissingValueIndicatorEstimatoriçinde belirtilen InputColumnName sütundaki verileri yeni bir sütuna kopyalayan bir oluşturun: OutputColumnName.
IndicateMissingValues(TransformsCatalog, String, String)	içinde belirtilen sütundaki verileri tarayan ve içinde belirtilen outputColumnNameinputColumnName yeni sütunu bool vektörleriyle dolduran ve MissingValueIndicatorEstimatorsütun verilerindeki i.th öğesinin true değeri eksikse i. bool değerinin bulunduğu veya false başka bir değere sahip olduğu bir oluşturun.
ReplaceMissingValues(TransformsCatalog, InputOutputColumnPair[], MissingValueReplacingEstimator+ReplacementMode, Boolean)	ColumnCopyingEstimatoriçinde belirtilen InputColumnName sütundaki verileri yeni OutputColumnName bir sütuna kopyalayan ve içindeki eksik değerleri değerine göre replacementModedeğiştiren bir oluşturun.
ReplaceMissingValues(TransformsCatalog, String, String, MissingValueReplacingEstimator+ReplacementMode, Boolean)	MissingValueReplacingEstimatoriçinde belirtilen inputColumnName sütundaki verileri yeni outputColumnName bir sütuna kopyalayan ve içindeki eksik değerleri değerine göre replacementModedeğiştiren bir oluşturun.
ConvertToGrayscale(TransformsCatalog, String, String)	içinde belirtilen InputColumnName sütundaki görüntüleri yeni bir ImageGrayscalingEstimatorsütundaki gri tonlamalı görüntülere dönüştüren bir oluşturun: OutputColumnName.
ConvertToImage(TransformsCatalog, Int32, Int32, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Int32, Int32, Int32, Int32)	VectorToImageConvertingEstimatoriçinde belirtilen inputColumnName sütundaki verilerden yeni bir sütuna görüntü oluşturan bir oluşturun: outputColumnName.
ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Boolean)	sütunda belirtilen verilerden piksel değerlerini yeni bir sütuna ayıklayan bir ImagePixelExtractingEstimatoroluşturun: inputColumnNameoutputColumnName.
LoadImages(TransformsCatalog, String, String, String)	ImageLoadingEstimatoriçinde görüntü olarak belirtilen inputColumnName sütundaki verileri yeni bir sütuna yükleyen bir oluşturun: outputColumnName.
LoadRawImageBytes(TransformsCatalog, String, String, String)	ImageLoadingEstimatoriçinde belirtilen inputColumnName sütundaki verileri ham bayt görüntüsü olarak yeni bir sütuna yükleyen bir oluşturun: outputColumnName.
ResizeImages(TransformsCatalog, String, Int32, Int32, String, ImageResizingEstimator+ResizingKind, ImageResizingEstimator+Anchor)	içinde belirtilen inputColumnName sütundaki görüntüyü yeni bir ImageResizingEstimatorsütuna yeniden boyutlandıran bir oluşturun: outputColumnName.
ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)	ApproximatedKernelMappingEstimator Giriş vektörlerini, iç ürünlerin yaklaşık olarak vardiyalı sabit bir çekirdek işlevine sahip olduğu düşük boyutlu bir özellik alanına eşleyen bir oluşturun.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Bilinen kovaryans matrisine sahip rastgele değişkenlerden oluşan bir vektörle dolu sütunu, kovaryansları kimlik matrisi olan bir dizi yeni değişkene alır, yani bunların bağıntısız olduğu ve her birinin varyansı 1'dir.
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Verileri eşit yoğunluklu bölmelere atayarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Verileri eşit yoğunluklu bölmelere atayarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Genel karşıtlık normalleştirmesi uygulayan sütunları tek tek normalleştiren bir GlobalContrastNormalizingEstimatoroluşturun. trueayarıensureZeroMean, belirtilen sütunun ortalamasının sıfır vektör olmasını sağlamak için bir ön işleme adımı uygular.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Verilerin logaritmasında hesaplanan ortalama ve varyansı temel alarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Verilerin logaritmasında hesaplanan ortalama ve varyansı temel alarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Verilerin logaritmasında hesaplanan ortalama ve varyansı temel alarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Verilerin logaritmasında hesaplanan ortalama ve varyansı temel alarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Giriş sütunundaki vektörleri birim normuyla normalleştiren (ölçekleyen) bir LpNormNormalizingEstimatoroluşturun. Kullanılan norm türü tarafından normtanımlanır. ayarı ensureZeroMean , truebelirtilen sütunun ortalamasının sıfır vektör olmasını sağlamak için bir ön işleme adımı uygular.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Verilerin hesaplanan ortalamasını ve varyansını temel alarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Verilerin hesaplanan ortalamasını ve varyansını temel alarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Verilerin gözlemlenen en düşük ve en yüksek değerlerine göre normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Verilerin gözlemlenen en düşük ve en yüksek değerlerine göre normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Verileri 0 civarında ortalayarak (ortanca değeri kaldırarak) aykırı değerlere dayanıklı istatistikler kullanarak normalleştiren ve verileri nicel aralığa göre ölçeklendirerek (varsayılan olarak karekökil aralığına göre) bir NormalizingEstimatoroluşturun.
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Verileri 0 civarında ortalayarak (ortanca değeri kaldırarak) aykırı değerlere dayanıklı istatistikler kullanarak normalleştiren ve verileri nicel aralığa göre ölçeklendirerek (varsayılan olarak karekökil aralığına göre) bir NormalizingEstimatoroluşturun.
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Verileri sütunla labelColumnName bağıntıya göre bölmelere atayarak normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Verileri sütunla labelColumnName bağıntıya göre bölmelere atayarak normalleştiren bir NormalizingEstimatoroluşturun.
ApplyOnnxModel(TransformsCatalog, OnnxOptions)	Belirtilen OnnxOptionskullanarak bir OnnxScoringEstimator oluşturun. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Giriş sütununa önceden eğitilmiş bir Onnx modeli uygulayan bir OnnxScoringEstimatoroluşturun. Giriş/çıkış sütunları, sağlanan ONNX modelinin giriş/çıkış sütunlarına göre belirlenir. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String, Nullable<Int32>, Boolean)	Giriş sütununa önceden eğitilmiş bir Onnx modeli uygulayan bir OnnxScoringEstimatoroluşturun. Giriş/çıkış sütunları, sağlanan ONNX modelinin giriş/çıkış sütunlarına göre belirlenir. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String, String, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Sütununa önceden eğitilmiş bir Onnx modeli inputColumnName uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String, String, String, Nullable<Int32>, Boolean)	Sütununa önceden eğitilmiş bir Onnx modeli inputColumnName uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Sütunlara önceden eğitilmiş bir Onnx modeli inputColumnNames uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean, Int32)	Sütunlara önceden eğitilmiş bir Onnx modeli inputColumnNames uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String[], String[], String, Nullable<Int32>, Boolean)	Sütunlara önceden eğitilmiş bir Onnx modeli inputColumnNames uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar ve gpu üzerinde çalıştırma hakkında daha fazla bilgi edinmek için lütfen bakın OnnxScoringEstimator .
DnnFeaturizeImage(TransformsCatalog, String, Func<DnnImageFeaturizerInput,EstimatorChain<ColumnCopyingTransformer>>, String)	Bir görüntüyü öne çıkarmak için önceden DnnImageModelSelector eğitilmiş DNN modellerinden birini uygulayan öğesini oluşturunDnnImageFeaturizerEstimator.
ProjectToPrincipalComponents(TransformsCatalog, String, String, String, Int32, Int32, Boolean, Nullable<Int32>)	yeni bir örneğini PrincipalComponentAnalyzerbaşlatır.
DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	SRCNN algoritmasını kullanarak zaman değerleri anomalilerini algılayan öğesini oluşturun SrCnnAnomalyEstimator.
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunSsaChangePointEstimator.
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	Geçersiz. Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunSsaChangePointEstimator.
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)	Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız bir aynı dağıtılmış (i.i.d.) zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunIidChangePointEstimator.
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	Geçersiz. Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız bir aynı dağıtılmış (i.i.d.) zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunIidChangePointEstimator.
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız aynı dağıtılmış (i.i.d.) zaman serisindeki ani artışları tahmin eden öğesini oluşturunIidSpikeEstimator.
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	Geçersiz. Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız aynı dağıtılmış (i.i.d.) zaman serisindeki ani artışları tahmin eden öğesini oluşturunIidSpikeEstimator.
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki ani artışları tahmin eden öğesini oluşturunSsaSpikeEstimator.
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	Geçersiz. Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki ani artışları tahmin eden öğesini oluşturunSsaSpikeEstimator.
Concatenate(TransformsCatalog, String, String[])	Bir ColumnConcatenatingEstimatorveya daha fazla giriş sütununu yeni bir çıkış sütununa birleştirir.
CopyColumns(TransformsCatalog, String, String)	ColumnCopyingEstimatoriçinde belirtilen inputColumnName sütundaki verileri yeni bir sütuna kopyalayan bir oluşturun: outputColumnName.
DropColumns(TransformsCatalog, String[])	ColumnSelectingEstimatorbir içinden belirli bir sütun listesini düşüren bir IDataViewoluşturun. Belirtilmemiş herhangi bir sütun çıkışta korunur.
SelectColumns(TransformsCatalog, String[])	Belirli bir ColumnSelectingEstimatorsütun listesini bir içinde tutan ve diğerlerini düşüren bir IDataView oluşturun.
SelectColumns(TransformsCatalog, String[], Boolean)	Belirli bir ColumnSelectingEstimatorsütun listesini bir içinde tutan ve diğerlerini düşüren bir IDataView oluşturun.
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	ağaç tabanlı özellikler oluşturmak için eğitmek TreeEnsembleModelParameters için kullanan FastForestBinaryTrainer öğesini oluşturunFastForestBinaryFeaturizationEstimator.
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	ağaç tabanlı özellikler oluşturmak için eğitmek TreeEnsembleModelParameters için kullanan FastForestRegressionTrainer öğesini oluşturunFastForestRegressionFeaturizationEstimator.
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	ağaç tabanlı özellikler oluşturmak için eğitmek TreeEnsembleModelParameters için kullanan FastTreeBinaryTrainer öğesini oluşturunFastTreeBinaryFeaturizationEstimator.
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	ağaç tabanlı özellikler oluşturmak için eğitmek TreeEnsembleModelParameters için kullanan FastTreeRankingTrainer öğesini oluşturunFastTreeRankingFeaturizationEstimator.
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	ağaç tabanlı özellikler oluşturmak için eğitmek TreeEnsembleModelParameters için kullanan FastTreeRegressionTrainer öğesini oluşturunFastTreeRegressionFeaturizationEstimator.
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	ağaç tabanlı özellikler oluşturmak için eğitmek TreeEnsembleModelParameters için kullanan FastTreeTweedieTrainer öğesini oluşturunFastTreeTweedieFeaturizationEstimator.
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	oluşturma PretrainedTreeFeaturizationEstimator, verilen TreeEnsembleModelParametersağaç tabanlı özellikleri üretir.