数据转换用于：
- 准备用于模型训练的数据。
- 以 TensorFlow 或 ONNX 格式应用导入的模型。
- 通过模型传递后处理数据。
本指南中的数据转换返回实现 IEstimator 接口的类。 数据转换可以串联在一起。 每个数据转换都需要获取并生成特定类型和格式的数据，链接的参考文档中规定了具体类型和格式。
一些数据转换需要通过定型数据来计算参数。 例如，NormalizeMeanVariance 转换器计算 Fit() 操作期间定型数据的平均值和方差，并在 Transform() 操作中使用这些参数。
其他数据转换不需要训练数据。 例如，ConvertToGrayscale 转换可以执行 Transform() 操作，而无需在 Fit() 操作期间看到任何定型数据。
列映射和分组
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| Concatenate | 将一个或多个输入列连接到新输出列中 | 是 |
| CopyColumns | 复制和重命名一个或多个输入列 | 是 |
| DropColumns | 删除一个或多个输入列 | 是 |
| SelectColumns | 从输入数据中选择一个或多个要保留的列 | 是 |
规范化和标准化
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| NormalizeMeanVariance | 减去（定型数据的）平均值，再除以（定型数据的）方差 | 是 |
| NormalizeLogMeanVariance | 根据训练数据的对数进行规范化 | 是 |
| NormalizeLpNorm | 按 lp 范数缩放输入向量，其中 p 为 1、2 或无穷大。 默认为 l2（欧几里得距离）范数 | 是 |
| NormalizeGlobalContrast | 缩放行中的每个值，具体方法是减去行数据的平均值，除以（行数据的）标准差或 l2 范数，再乘以可配置的比例因子（默认值为 2） | 是 |
| NormalizeBinning | 将输入值分配到箱索引，并除以箱数量，以生成介于 0 和 1 之间的浮点值。 计算箱边界是为了在各个箱之间均匀分配训练数据 | 是 |
| NormalizeSupervisedBinning | 根据其与标签列的相关性，把输入值分配到对应的分箱中 | 是 |
| NormalizeMinMax | 按训练数据中的最小值和最大值之间的差值缩放输入 | 是 |
| NormalizeRobustScaling | 使用对离群值不敏感的统计方法来缩放每个值，使数据集中在0附近，并根据分位数范围调整数据。 | 是 |
数据类型转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| ConvertType | 将输入列的类型转换为新类型 | 是 |
| MapValue | 根据提供的映射字典，将值映射到对应的键（类别） | 否 |
| MapValueToKey | 通过从输入数据创建映射，将值映射到键（类别） | 是 |
| MapKeyToValue | 将键转换回原始值 | 是 |
| MapKeyToVector | 将键转换回表示原始值的向量 | 是 |
| MapKeyToBinaryVector | 将键转换回原始值的二元向量 | 否 |
| Hash | 对输入列中的值进行哈希处理 | 是 |
文本转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| FeaturizeText | 将文本列转换为规范化 ngram 和 char-gram 计数的浮点数组 | 否 |
| TokenizeIntoWords | 将一个或多个文本列拆分为各个字词 | 是 |
| TokenizeIntoCharactersAsKeys | 将一个或多个文本列拆分为各个字符，漂浮在一组主题之上 | 是 |
| NormalizeText | 更改大小写、删除标注字符、标点符号和数字 | 是 |
| ProduceNgrams | 将文本列转换为一组 ngram 计数（连续单词的序列） | 是 |
| ProduceWordBags | 将文本列转换为一组 ngram 向量计数 | 是 |
| ProduceHashedNgrams | 将文本列转换为已哈希处理的 ngram 计数向量 | 否 |
| ProduceHashedWordBags | 将文本列转换为一组已哈希处理的 ngram 计数 | 是 |
| RemoveDefaultStopWords | 从输入列中删除指定语言的默认停用词 | 是 |
| RemoveStopWords | 从输入列中删除指定的停用词 | 是 |
| LatentDirichletAllocation | 将文档（表示为浮点数向量）转换为关于一组主题的浮点数向量 | 是 |
| ApplyWordEmbedding | 使用预先训练的模型将文本标记的向量转换为句子向量 | 是 |
图像转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| ConvertToGrayscale | 将图像转换为灰度图像 | 否 |
| ConvertToImage | 将像素向量转换为 ImageDataViewType | 否 |
| ExtractPixels | 将输入图像中的像素转换为数字向量 | 否 |
| LoadImages | 将图像从文件夹加载到内存中 | 否 |
| LoadRawImageBytes | 将原始字节的图像加载到新列中。 | 否 |
| ResizeImages | 调整图像大小 | 否 |
| DnnFeaturizeImage | 应用预先训练的深度神经网络 （DNN） 模型，将输入图像转换为特征向量 | 否 |
分类数据转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| OneHotEncoding | 将一个或多个文本列转换为one-hot编码向量 | 是 |
| OneHotHashEncoding | 将一个或多个文本列转换为基于哈希的单热编码向量 | 否 |
时序数据转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| DetectAnomalyBySrCnn | 使用 Spectral Residual (SR) 算法检测输入时序数据中的异常 | 否 |
| DetectChangePointBySsa | 使用奇异谱分析 (SSA) 检测时序数据中的更改点 | 否 |
| DetectIidChangePoint | 使用自适应内核密度估计和鞅评分检测独立同分布 (IID) 时序数据中的变更点 | 否 |
| ForecastBySsa | 使用奇异谱分析 (SSA) 预测时序数据 | 否 |
| DetectSpikeBySsa | 使用奇异谱分析 (SSA) 检测时序数据中的峰值 | 否 |
| DetectIidSpike | 使用自适应内核密度估计和鞅评分检测独立同分布 (IID) 的时序数据中的峰值 | 否 |
| DetectEntireAnomalyBySrCnn | 使用 SRCNN 算法检测整个输入数据的异常。 | 否 |
| DetectSeasonality | 使用傅立叶分析检测季节性。 | 否 |
| LocalizeRootCause | 使用决策树算法从时序输入中找出根本原因。 | 否 |
| LocalizeRootCauses | 从时序输入中定位根本原因。 | 否 |
缺少值
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| IndicateMissingValues | 新建布尔输出列：如果输入列中缺少值，输出列的值为 true | 是 |
| ReplaceMissingValues | 新建输出列：如果输入列中缺少值，输出列的值设置为默认值，否则设置为输入值 | 是 |
功能选择
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| SelectFeaturesBasedOnCount | 选择非默认值大于阈值的功能 | 是 |
| SelectFeaturesBasedOnMutualInformation | 选择标签列中的数据最依赖的功能 | 是 |
特征转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| ApproximatedKernelMap | 将每个输入向量映射到较低维度的特征空间，在该特征空间中，内积近似于内核函数，这样就可以将特征用作线性算法的输入 | 否 |
| ProjectToPrincipalComponents | 通过应用主成分分析算法来降低输入特征向量的维度 |
可解释性转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| CalculateFeatureContribution | 计算特征向量的每个元素的贡献分数 | 否 |
校准转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| Platt(String, String, String) | 使用逻辑回归，将二元分类器的原始分数转换为类概率，该逻辑回归的参数是通过训练数据估计得出的 | 是 |
| Platt(Double, Double, String) | 使用带有固定参数的逻辑回归将二元分类器原始分数转换为类概率 | 是 |
| Naive | 将二元分类器的原始分数转化为类别概率，这通过将分数分配到不同的箱中，并依据箱之间的分布来计算概率。 | 是 |
| Isotonic | 通过将二元分类器的原始分数分配到箱中，将其转换为类概率，其中箱的边界位置和大小是利用训练数据进行估计的。 | 否 |
深度学习变换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| ApplyOnnxModel | 使用导入的 ONNX 模型转换输入数据 | 否 |
| LoadTensorFlowModel | 使用导入的 TensorFlow 模型转换输入数据 | 否 |
自定义转换
| 转换 | 定义 | ONNX 可导出 |
|---|---|---|
| FilterByCustomPredicate | 删除满足指定条件返回 true 的行。 | 否 |
| FilterByStatefulCustomPredicate | 指定的谓词返回 true 时删除行，但允许保留指定状态。 | 否 |
| CustomMapping | 使用用户定义映射将现有列转换为新列 | 否 |
| Expression | 应用表达式将列转换为新列 | 否 |
