LpNormNormalizingEstimator 類別

定義

命名空間:

Microsoft.ML.Transforms

組件:

Microsoft.ML.Transforms.dll

套件:

Microsoft.ML v4.0.0-preview.24522.7

來源:

GcnTransform.cs

將輸入資料行中的向量標準化 (調整為單位標準) 向量。 使用者可指定所使用的標準類型。

C#

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

繼承

Object

TrivialEstimator<LpNormNormalizingTransformer>

LpNormNormalizingEstimatorBase

LpNormNormalizingEstimator

備註

估算器特性

此估算器是否需要查看資料來定型其參數？	否
輸入資料行資料類型	Single 的向量
輸出資料行資料類型	Single 的向量
可匯出至 ONNX	是

產生的 LpNormNormalizingTransformer 會將向量重新調整為單位標準，個別將輸入資料行中的向量正規化。

讓 $x$ 成為輸入向量，$n$ 向量的大小，$L(x)$ 使用者選取的 norm 函式。 讓 $\mu (x)=\sum _i{x}_i/n$ 成為向量 $x$ 的值平均值。 LpNormNormalizingTransformer會在每個輸入向量 $x$上執行下列運算： $y=\frac{x-\mu (x)}{L(x)}$，如果使用者指定平均值應該是零，則為：$y=\frac{x}{l(x)}$

使用者可以選取四種類型的標準，以便套用至輸入向量 $x$。 它們的定義如下：

• L1：$L_1(x)=\sum _i|x_i|$
• L2：$L_2(x)=\sqrt{\sum _i{x}_i^2}$
• Infinity：$L_{\mathrm{\infty }}(x)=\underset{i}{max}|x_i|$
• StandardDeviation：$L_{\sigma }(x)$ 定義為輸入向量$x$ 元素的標準差

如需使用範例的連結，請參閱另請參閱一節。

方法

Fit(IDataView)	將輸入資料行中的向量標準化 (調整為單位標準) 向量。 使用者可指定所使用的標準類型。 (繼承來源 TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	傳 SchemaShape 回由轉換器產生之架構的 。 用於管線中的架構傳播和驗證。 (繼承來源 LpNormNormalizingEstimatorBase)

擴充方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前，擁有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	假設有估算器，則會傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊，這就是方法 Fit(IDataView) 傳回特定型別物件的原因，而不是只傳回一般 ITransformer 。 不過，同時 IEstimator<TTransformer> ，通常會形成具有許多物件的管線，因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結，而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中，我們可以透過此方法附加呼叫一次將會呼叫的委派。

適用於

另請參閱

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