LpNormNormalizingEstimator 类

定义

命名空间:

Microsoft.ML.Transforms

程序集:

Microsoft.ML.Transforms.dll

包:

Microsoft.ML v2.0.0

规范化 (将输入列中的向量缩放为单位规范) 向量。 用户可指定使用的规范的类型。

public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBase

type LpNormNormalizingEstimator = class
    inherit LpNormNormalizingEstimatorBase

Public NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase

继承

Object

TrivialEstimator<LpNormNormalizingTransformer>

LpNormNormalizingEstimatorBase

LpNormNormalizingEstimator

注解

估算器特征

此估算器是否需要查看数据来训练其参数？	否
输入列数据类型	Single 的向量
输出列数据类型	Single 的向量
可导出到 ONNX	是

生成的 LpNormNormalizingTransformer 向量通过将它们重新缩放为单位规范来单独规范化输入列中的向量。

让 $x$ 成为输入向量，$n$ 矢量的大小，$L (x) $ 用户选择的 norm 函数。 让 $\mu (x) = \sum_i x_i / n$ 是向量 $x$ 的值的平均值。 如果 LpNormNormalizingTransformer 用户指定平均值应 $x为零，则对每个输入向量执行以下操作：$y = \frac{x - \mu (x) }{L (x) }$ （如果用户指定平均值应为零，否则为 ：$y = \frac{x}{x}{l (x) }$

用户可以选择要应用于输入向量$x$的四种类型的规范。 它们的定义如下：

• 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) $ 定义为输入向量$x$ 元素的标准偏差

有关使用示例的链接，请查看“另请参阅”部分。

方法

Fit(IDataView)	规范化 (将输入列中的向量缩放为单位规范) 向量。 用户可指定使用的规范的类型。 (继承自 TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	返回 SchemaShape 由转换器生成的架构。 用于管道中的架构传播和验证。 (继承自 LpNormNormalizingEstimatorBase)

扩展方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。

另请参阅

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