NormalizingEstimator 類別

定義

命名空間:

Microsoft.ML.Transforms

組件:

Microsoft.ML.Data.dll

套件:

Microsoft.ML v5.0.0-preview.1.25125.4

來源:

Normalizer.cs

IEstimator<TTransformer> 對於 NormalizingTransformer。

public sealed class NormalizingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.NormalizingTransformer>

type NormalizingEstimator = class
    interface IEstimator<NormalizingTransformer>

Public NotInheritable Class NormalizingEstimator
Implements IEstimator(Of NormalizingTransformer)

繼承

Object

NormalizingEstimator

實作

IEstimator<NormalizingTransformer>

備註

估算器特性

這個估計器需要查看資料來訓練參數嗎？	Yes
輸入欄位資料型別	Single 或 Double 是已知大小的向量。
輸出欄位資料型態	資料型態與輸入欄位相同
可匯出至 ONNX	Yes

結果的 NormalizingEstimator 會根據資料的產生方式，以以下其中一種方式進行正規化：

• 最小最大值 - 一種線性重新縮放，基於每列的最小值與最大值。
• 平均變異數 - 將每列重新縮放為單位變異數，並可選擇性地將均值設為零。
• 對數平均變異數 - 根據對數尺度計算，將每列重新縮放為單位變異數，可選擇為零均值。
• 分箱 - 將每一列的資料分桶，並根據計算出的分箱進行線性重新縮放。
• 監督式分箱——將每一列的資料分封，並根據計算出的分箱進行線性重新縮放。箱數計算是基於標籤欄位的相關性。
• 穩健縮放 - 可選擇性地將資料置中，並根據資料範圍及所提供的分位數最小值與最大值進行縮放。 此方法對離群值更具穩健性。

估算器細節

正規化資料的區間取決於是否指定 fixZero。 fixZero 預設為 true。 當 fixZero 為假時，正規化區間為 $[0,1]$，正規化值的分布取決於正規化模式。 例如，最小值（Min Max）中，最小值與最大值分別映射為 0 與 1，其餘值介於兩者之間。 當 fixZero 設定時，正規化區間為 $[-1,1]$，正規化值分布依正規化模式而定，但行為不同。 使用最小最大值時，分布取決於數字與0的距離，因此距離最大的數字若為正數則映射為1，負數則映射為 -1。 距離 0 的距離會影響分布，大多數距離較近的數字會趨近於 0。 強健縮放不使用 fixZero，其值不受 $[0,1]$ 或 $[-1,1]$ 的限制。 其縮放基於資料範圍及所提供的分位數最小與最大值。

在未使用CDF選項的情況下，對輸入$x$套用平均變異數與對數平均變異數的輸出$y$方程式為：$y = （x - \text{offset}） \text{scale}$。 其中偏移量和尺度是在訓練時計算的。

使用CDF選項時，$y = 0.5 * （1 + \text{ERF}（（x - \text{mean}） / （\text{標準差} * sqrt（2）））$。 其中 ERF 是用來近似假設為常態分布隨機變數 CDF 的 誤差函 數。 平均值和標準差是在訓練時計算。

要建立此估計量，請使用以下其中之一：

• [正常化極限狀態]（xref：Microsoft.ML.NormalizationCatalog.NormalizeMinMax（Microsoft.ML.TransformsCatalog， System.String， System.String， System.Int64， System.Boolean））
• 標準化平均變異數
• 正規化對數平均變異數
• 標準化分頁
• 正常化監督分頁
• 標準化RobustScaling

請參考上述連結了解使用範例。

方法

名稱	Description
Fit(IDataView)	訓練並返回 NormalizingTransformer。
GetOutputSchema(SchemaShape)	回傳 SchemaShape 由變壓器產生的結構結構。 用於結構傳播與管線驗證。

擴充方法

名稱	Description
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	在估計鏈中附加一個「快取檢查點」。 這將確保下游估計器能針對快取資料進行訓練。 在訓練師接受多次資料通行前設置快取檢查點會很有幫助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	給定一個估計器，回傳一個包裹物件，該物件會呼叫一次 Fit(IDataView) 代理。 估計器通常回傳擬合的資訊很重要，因此該 Fit(IDataView) 方法回傳一個特定型別的物件，而非一般 ITransformer的 。 然而，同時， IEstimator<TTransformer> 通常會被組成包含許多物件的管線，因此我們可能需要建立一條估計鏈，將 EstimatorChain<TLastTransformer> 我們想要取得變壓器的估計器埋藏在這條鏈的某處。 在這種情況下，我們可以透過此方法附加一個代理，當 fit 被呼叫時會被呼叫。