TransformsCatalog Sınıf

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v5.0.0-preview.1.25125.4

Kaynak:

TransformsCatalog.cs

Dönüştürme bileşenlerinin örneklerini oluşturmak için tarafından MLContext kullanılan sınıf.

public sealed class TransformsCatalog

type TransformsCatalog = class

Public NotInheritable Class TransformsCatalog

Devralma

Object

TransformsCatalog

Özellikler

Name	Description
Categorical	Kategorik veriler üzerindeki işlemlerin listesi.
Conversion	Veri türü dönüştürme işlemlerinin listesi.
FeatureSelection	Bazı ölçütlere göre özellik seçme işlemlerinin listesi.
Text	Metin verilerini işlemeye yönelik işlemlerin listesi.

Uzantı Metotları

Name	Description
ApplyOnnxModel(TransformsCatalog, OnnxOptions)	Belirtilen OnnxOptionsöğesini kullanarak bir OnnxScoringEstimator oluşturun. Gerekli bağımlılıklar hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek 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 hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek 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 hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek 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 hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String, String, String, Nullable<Int32>, Boolean)	Sütununa önceden eğitilmiş bir Onnx modeli inputColumnName uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek 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 hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek 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 hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek için lütfen bakın OnnxScoringEstimator .
ApplyOnnxModel(TransformsCatalog, String[], String[], String, Nullable<Int32>, Boolean)	Sütunlara önceden eğitilmiş bir Onnx modeli inputColumnNames uygulayan bir OnnxScoringEstimatoroluşturun. Gerekli bağımlılıklar hakkında daha fazla bilgi edinmek ve gpu üzerinde nasıl çalıştıracağınızı öğrenmek için lütfen bakın OnnxScoringEstimator .
ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)	ApproximatedKernelMappingEstimator Giriş vektörlerini, iç ürünlerin yaklaşık bir shift-invariant çekirdek işlevine yakın olduğu düşük boyutlu bir özellik alanına eşleyen 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.
Concatenate(TransformsCatalog, String, String[])	Bir ColumnConcatenatingEstimatorveya daha fazla giriş sütununu yeni bir çıkış sütunuyla birleştirir.
ConvertToGrayscale(TransformsCatalog, String, String)	içinde belirtilen ImageGrayscalingEstimator sütundaki görüntüleri yeni bir InputColumnNamesütundaki 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.
CopyColumns(TransformsCatalog, String, String)	ColumnCopyingEstimatoriçinde belirtilen inputColumnName sütundaki verileri yeni bir sütuna kopyalayan bir oluşturun: outputColumnName.
CustomMapping<TSrc,TDst>(TransformsCatalog, Action<TSrc,TDst>, String, SchemaDefinition, SchemaDefinition)	Çıkış sütunlarına giriş sütunlarının özel eşlemesini uygulayan bir CustomMappingEstimator<TSrc,TDst>oluşturun.
DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	SRCNN algoritmasını kullanarak zaman aralığı 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 tahminlerini ve martingale puanlarını temel alarak bağımsız bir özdeş dağıtılmış (i.i.d.) zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunIidChangePointEstimator.
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	Geçersiz. Uyarlamalı çekirdek yoğunluğu tahminlerini ve martingale puanlarını temel alarak bağımsız bir özdeş dağıtılmış (i.i.d.) zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunIidChangePointEstimator.
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	Uyarlamalı çekirdek yoğunluğu tahminlerine ve martingale puanlarına göre bağımsız olarak aynı dağıtılmış (i.i.d.) zaman serisindeki ani artışları tahmin eden öğesini oluşturunIidSpikeEstimator.
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	Geçersiz. Uyarlamalı çekirdek yoğunluğu tahminlerine ve martingale puanlarına göre bağımsız olarak aynı dağıtılmış (i.i.d.) zaman serisindeki ani artışları tahmin eden öğesini oluşturunIidSpikeEstimator.
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	SsaSpikeEstimator kullanarak zaman serisindeki ani artışları tahmin eden öğesini oluşturun.
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	Geçersiz. SsaSpikeEstimator kullanarak zaman serisindeki ani artışları tahmin eden öğesini oluşturun.
DnnFeaturizeImage(TransformsCatalog, String, Func<DnnImageFeaturizerInput,EstimatorChain<ColumnCopyingTransformer>>, String)	Bir görüntüyü öne çıkarmak için önceden DnnImageModelSelector eğitilmiş DNN modellerinden birini uygulayan öğesini oluşturunDnnImageFeaturizerEstimator.
DropColumns(TransformsCatalog, String[])	bir ColumnSelectingEstimator'den belirli bir sütun listesini düşüren bir IDataViewoluşturun. Belirtilmeyen tüm sütun çıkışta korunur.
Expression(TransformsCatalog, String, String, String[])	bir ExpressionEstimatoroluşturur.
ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Boolean)	ImagePixelExtractingEstimatorşu sütunda belirtilen verilerden piksel değerlerini ayıklayan bir oluşturun: inputColumnNameoutputColumnName.
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	Ağaç tabanlı özellikler oluşturmak için eğitmek FastForestBinaryFeaturizationEstimator için kullanan FastForestBinaryTrainer öğesini oluşturunTreeEnsembleModelParameters.
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	Ağaç tabanlı özellikler oluşturmak için eğitmek FastForestRegressionFeaturizationEstimator için kullanan FastForestRegressionTrainer öğesini oluşturunTreeEnsembleModelParameters.
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	Ağaç tabanlı özellikler oluşturmak için eğitmek FastTreeBinaryFeaturizationEstimator için kullanan FastTreeBinaryTrainer öğesini oluşturunTreeEnsembleModelParameters.
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	Ağaç tabanlı özellikler oluşturmak için eğitmek FastTreeRankingFeaturizationEstimator için kullanan FastTreeRankingTrainer öğesini oluşturunTreeEnsembleModelParameters.
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	Ağaç tabanlı özellikler oluşturmak için eğitmek FastTreeRegressionFeaturizationEstimator için kullanan FastTreeRegressionTrainer öğesini oluşturunTreeEnsembleModelParameters.
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	Ağaç tabanlı özellikler oluşturmak için eğitmek FastTreeTweedieFeaturizationEstimator için kullanan FastTreeTweedieTrainer öğesini oluşturunTreeEnsembleModelParameters.
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	oluşturma PretrainedTreeFeaturizationEstimator, verilen TreeEnsembleModelParametersağaç tabanlı özellikleri üretir.
IndicateMissingValues(TransformsCatalog, InputOutputColumnPair[])	MissingValueIndicatorEstimatoriçinde belirtilen InputColumnName sütundaki verileri yeni bir sütuna kopyalayan bir oluşturun: OutputColumnName.
IndicateMissingValues(TransformsCatalog, String, String)	MissingValueIndicatorEstimatoriçinde belirtilen inputColumnName sütundaki verileri tarayan ve içinde belirtilen yeni sütunu bool vektörleriyle dolduran ve sütun verilerindeki outputColumnName i.th öğesinin true değeri eksikse false ve başka bir değere sahipse, i. bool değerini içeren bir oluşturun.
LoadImages(TransformsCatalog, String, String, String)	ImageLoadingEstimatoriçinde görüntü olarak belirtilen inputColumnName sütundaki verileri yeni bir sütuna yükleyen bir oluşturun: outputColumnName.
LoadRawImageBytes(TransformsCatalog, String, String, String)	ImageLoadingEstimatorham bayt görüntüsü olarak belirtilen inputColumnName sütundaki verileri yeni bir sütuna yükleyen bir oluşturun: outputColumnName.
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 uygulayarak sütunları ayrı ayrı normalleştiren bir GlobalContrastNormalizingEstimatoroluşturun. ayarı ensureZeroMean , truebelirtilen sütunun ortalamasının sıfır vektör olmasını sağlamak için bir ön işlem adımı uygular.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Verilerin logaritmasındaki hesaplanan ortalamaya ve varyansa göre normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Verilerin logaritmasındaki hesaplanan ortalamaya ve varyansa göre normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Verilerin logaritmasındaki hesaplanan ortalamaya ve varyansa göre normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Verilerin logaritmasındaki hesaplanan ortalamaya ve varyansa göre normalleştiren bir NormalizingEstimatoroluşturun.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Giriş sütunundaki vektörleri birim normunda normalleştiren (ölçekleyen) bir LpNormNormalizingEstimatoroluşturun. Kullanılan norm türü tarafından normtanımlanır. ayarı ensureZeroMean , truebelirtilen sütunun ortalamasının sıfır vektör olmasını sağlamak için bir ön işlem 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)	NormalizingEstimatorVerileri 0 etrafında ortalayarak (ortanca değeri kaldırarak) aykırı değerlere dayanıklı istatistikler kullanarak normalleştiren ve verileri nicel aralığına göre ölçeklendirerek (varsayılan olarak iki durumlu aralık) bir oluşturun.
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	NormalizingEstimatorVerileri 0 etrafında ortalayarak (ortanca değeri kaldırarak) aykırı değerlere dayanıklı istatistikler kullanarak normalleştiren ve verileri nicel aralığına göre ölçeklendirerek (varsayılan olarak iki durumlu aralık) bir oluşturun.
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.
ProjectToPrincipalComponents(TransformsCatalog, String, String, String, Int32, Int32, Boolean, Nullable<Int32>)	yeni bir örneğini PrincipalComponentAnalyzerbaşlatır.
ReplaceMissingValues(TransformsCatalog, InputOutputColumnPair[], MissingValueReplacingEstimator+ReplacementMode, Boolean)	içinde belirtilen InputColumnName sütundaki verileri yeni OutputColumnName bir ColumnCopyingEstimatorsütuna kopyalayan ve içindeki eksik değerleri değerine göre replacementModedeğiştiren bir oluşturun.
ReplaceMissingValues(TransformsCatalog, String, String, MissingValueReplacingEstimator+ReplacementMode, Boolean)	içinde belirtilen inputColumnName sütundaki verileri yeni outputColumnName bir MissingValueReplacingEstimatorsütuna kopyalayan ve içindeki eksik değerleri değerine göre replacementModedeğiştiren bir oluşturun.
ResizeImages(TransformsCatalog, String, Int32, Int32, String, ImageResizingEstimator+ResizingKind, ImageResizingEstimator+Anchor)	ImageResizingEstimatoriçinde belirtilen inputColumnName sütundaki görüntüyü yeni bir sütuna yeniden boyutlandıran bir oluşturun: outputColumnName.
SelectColumns(TransformsCatalog, String[], Boolean)	belirli bir ColumnSelectingEstimatorsütun listesini bir içinde tutan ve diğerlerini düşüren bir IDataView oluşturun.
SelectColumns(TransformsCatalog, String[])	belirli bir ColumnSelectingEstimatorsütun listesini bir içinde tutan ve diğerlerini düşüren bir IDataView 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.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Kovaryans matrisi bilinen bir kovaryans matrisine sahip rastgele değişkenlerin vektörleriyle dolu sütunu, kovaryansları kimlik matrisi olan bir dizi yeni değişkene alır, yani bunların bağıntısız olduğu ve her birinin varyansı 1'dir.