TransformsCatalog 類別

定義

命名空間:

Microsoft.ML

組件:

Microsoft.ML.Data.dll

套件:

Microsoft.ML v3.0.1

用來 MLContext 建立轉換元件的實例的類別。

public sealed class TransformsCatalog

type TransformsCatalog = class

Public NotInheritable Class TransformsCatalog

繼承

Object

TransformsCatalog

屬性

Categorical	類別資料的作業清單。
Conversion	資料類型轉換的作業清單。
FeatureSelection	根據某些準則選取功能的作業清單。
Text	處理文字資料的作業清單。

擴充方法

CustomMapping<TSrc,TDst>(TransformsCatalog, Action<TSrc,TDst>, String, SchemaDefinition, SchemaDefinition)	建立 ， CustomMappingEstimator<TSrc,TDst> 它會將輸入資料行的自訂對應套用至輸出資料行。
StatefulCustomMapping<TSrc,TDst,TState>(TransformsCatalog, Action<TSrc,TDst,TState>, Action<TState>, String)	建立 ， StatefulCustomMappingEstimator<TSrc,TDst,TState> 以將輸入資料行的自訂對應套用至輸出資料行，同時允許個別資料指標狀態。
CalculateFeatureContribution(TransformsCatalog, ISingleFeaturePredictionTransformer<ICalculateFeatureContribution>, Int32, Int32, Boolean)	建立 ， FeatureContributionCalculatingEstimator 計算輸入向量每個特徵的模型特定貢獻分數。
CalculateFeatureContribution<TModelParameters,TCalibrator>(TransformsCatalog, ISingleFeaturePredictionTransformer<CalibratedModelParametersBase<TModelParameters, TCalibrator>>, Int32, Int32, Boolean)	建立 ， FeatureContributionCalculatingEstimator 計算輸入向量每個特徵的模型特定貢獻分數。 支援校正的模型。
Expression(TransformsCatalog, String, String, String[])	建立 ExpressionEstimator。
IndicateMissingValues(TransformsCatalog, InputOutputColumnPair[])	建立 MissingValueIndicatorEstimator ，將資料從 中指定的 InputColumnName 資料行複製到新的資料行： OutputColumnName 。
IndicateMissingValues(TransformsCatalog, String, String)	建立 MissingValueIndicatorEstimator ，它會掃描 中所 inputColumnName 指定資料行的資料，並以 bools 的向量填入 中指定的 outputColumnName 新資料行，其中 i-th bool 具有 的值 true ，如果資料行資料中的 i-th 元素遺漏值，則為 ， false 否則為 。
ReplaceMissingValues(TransformsCatalog, InputOutputColumnPair[], MissingValueReplacingEstimator+ReplacementMode, Boolean)	建立 ColumnCopyingEstimator ，它會將資料從 中指定的 InputColumnName 資料行複製到新的資料行： OutputColumnName 並根據 取代其中 replacementMode 遺漏的值。
ReplaceMissingValues(TransformsCatalog, String, String, MissingValueReplacingEstimator+ReplacementMode, Boolean)	建立 MissingValueReplacingEstimator ，它會將資料從 中指定的 inputColumnName 資料行複製到新的資料行： outputColumnName 並根據 取代其中 replacementMode 遺漏的值。
ConvertToGrayscale(TransformsCatalog, String, String)	建立 ImageGrayscalingEstimator ，其會將 中指定的 InputColumnName 資料行中的影像轉換成新資料行中的灰階影像： OutputColumnName 。
ConvertToImage(TransformsCatalog, Int32, Int32, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Int32, Int32, Int32, Int32)	建立 VectorToImageConvertingEstimator ，從 中指定的 inputColumnName 資料行建立影像到新資料行： outputColumnName 。
ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Boolean)	建立 ImagePixelExtractingEstimator ，它會從資料行中指定的資料擷取圖元值到 inputColumnName 新的資料行： outputColumnName 。
LoadImages(TransformsCatalog, String, String, String)	建立 ImageLoadingEstimator ，將資料從 中指定的 inputColumnName 資料行載入至新的資料行： outputColumnName 。
LoadRawImageBytes(TransformsCatalog, String, String, String)	建立 ImageLoadingEstimator ，將資料從 中指定的 inputColumnName 資料行載入為原始位元組影像到新資料行： outputColumnName 。
ResizeImages(TransformsCatalog, String, Int32, Int32, String, ImageResizingEstimator+ResizingKind, ImageResizingEstimator+Anchor)	建立 ImageResizingEstimator ，以將 中指定 inputColumnName 之資料行的影像大小調整為新的資料行： outputColumnName 。
ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)	建立 ， ApproximatedKernelMappingEstimator 將輸入向量對應至低維度特徵空間，其中內部產品大約是非變異核心函式。
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	將資料行填入具有已知共變數矩陣的隨機變數向量，併入一組新的變數，其中共變數是識別矩陣，這表示它們不相關，而且每個變數都有變異數 1。
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	建立 ， NormalizingEstimator 其可藉由將資料指派給密度相等的量化來正規化。
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	建立 ， NormalizingEstimator 其可藉由將資料指派給密度相等的量化來正規化。
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	建立 ， GlobalContrastNormalizingEstimator 將個別套用全域對比正規化的資料行正規化。 將 設定 ensureZeroMean 為 true ，將會套用前置處理步驟，讓指定的資料行平均值成為零向量。
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	建立 NormalizingEstimator ，其會根據資料的對數計算平均數和變異數正規化。
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	建立 NormalizingEstimator ，其會根據資料的對數計算平均數和變異數正規化。
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	建立 NormalizingEstimator ，其會根據資料的對數計算平均數和變異數正規化。
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	建立 NormalizingEstimator ，其會根據資料的對數計算平均數和變異數正規化。
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	建立 LpNormNormalizingEstimator ，將輸入資料行中的) 向量正規化 (標準化為單位標準。 所使用的標準類型是由 所 norm 定義。 將 設定 ensureZeroMean 為 true ，將會套用前置處理步驟，讓指定的資料行平均值成為零向量。
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	建立 NormalizingEstimator ，其會根據資料的計算平均數和變異數正規化。
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	建立 NormalizingEstimator ，其會根據資料的計算平均數和變異數正規化。
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	建立 ， NormalizingEstimator 其會根據觀察到的資料最小值和最大值正規化。
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	建立 ， NormalizingEstimator 其會根據觀察到的資料最小值和最大值正規化。
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	建立 ， NormalizingEstimator 其會使用強固到極端值的統計資料正規化，方法是將資料置中 0 (移除中位數) ，並根據分位數範圍調整資料， (預設為四分位數範圍) 。
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	建立 ， NormalizingEstimator 其會使用強固到極端值的統計資料正規化，方法是將資料置中 0 (移除中位數) ，並根據分位數範圍調整資料， (預設為四分位數範圍) 。
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	建立 ， NormalizingEstimator 其會根據與 labelColumnName 資料行的相互關聯，將資料指派至量化來正規化。
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	建立 ， NormalizingEstimator 其會根據與 labelColumnName 資料行的相互關聯，將資料指派至量化來正規化。
ApplyOnnxModel(TransformsCatalog, OnnxOptions)	OnnxScoringEstimator使用指定的 OnnxOptions 建立 。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	建立 OnnxScoringEstimator ，它會將預先定型的 Onnx 模型套用至輸入資料行。 輸入/輸出資料行是根據所提供 ONNX 模型的輸入/輸出資料行來決定。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String, Nullable<Int32>, Boolean)	建立 OnnxScoringEstimator ，它會將預先定型的 Onnx 模型套用至輸入資料行。 輸入/輸出資料行是根據所提供 ONNX 模型的輸入/輸出資料行來決定。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String, String, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	建立 ， OnnxScoringEstimator 它會將預先定型的 Onnx 模型套用至資料 inputColumnName 行。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String, String, String, Nullable<Int32>, Boolean)	建立 ， OnnxScoringEstimator 它會將預先定型的 Onnx 模型套用至資料 inputColumnName 行。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean, Int32)	建立 ， OnnxScoringEstimator 將預先定型的 Onnx 模型套用至資料 inputColumnNames 行。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	建立 ， OnnxScoringEstimator 將預先定型的 Onnx 模型套用至資料 inputColumnNames 行。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
ApplyOnnxModel(TransformsCatalog, String[], String[], String, Nullable<Int32>, Boolean)	建立 ， OnnxScoringEstimator 將預先定型的 Onnx 模型套用至資料 inputColumnNames 行。 請參閱 OnnxScoringEstimator 以深入瞭解必要的相依性，以及如何在 GPU 上執行。
DnnFeaturizeImage(TransformsCatalog, String, Func<DnnImageFeaturizerInput,EstimatorChain<ColumnCopyingTransformer>>, String)	建立 DnnImageFeaturizerEstimator ，它會將 中其中一個預先定型的 DNN 模型 DnnImageModelSelector 套用至特徵化影像。
ProjectToPrincipalComponents(TransformsCatalog, String, String, String, Int32, Int32, Boolean, Nullable<Int32>)	初始化 PrincipalComponentAnalyzer 的新執行個體。
DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	建立 SrCnnAnomalyEstimator ，以使用 SRCNN 演算法偵測時間異常狀況。
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	建立 SsaChangePointEstimator ，其會使用 Singular Spectrum Analysis (SSA) 預測時間序列中的變更點。
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	已淘汰. 建立 SsaChangePointEstimator ，其會使用 Singular Spectrum Analysis (SSA) 預測時間序列中的變更點。
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)	建立 IidChangePointEstimator ，其會根據調適性核心密度估計和 martingale 分數，預測 獨立相同分佈 (i.d.) 時間序列中的變更點。
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	已淘汰. 建立 IidChangePointEstimator ，其會根據調適性核心密度估計和 martingale 分數，預測 獨立相同分佈 (i.d.) 時間序列中的變更點。
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	建立 IidSpikeEstimator ，其會根據自適性核心密度估計和 martingale 分數，預測 獨立分佈 (i.d.) 時間序列的尖峰。
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	已淘汰. 建立 IidSpikeEstimator ，其會根據自適性核心密度估計和 martingale 分數，預測 獨立分佈 (i.d.) 時間序列的尖峰。
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	建立 SsaSpikeEstimator ，其會使用 SSA (SSA) 來預測時間序列中的尖峰。
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	已淘汰. 建立 SsaSpikeEstimator ，其會使用 SSA (SSA) 來預測時間序列中的尖峰。
Concatenate(TransformsCatalog, String, String[])	建立 ， ColumnConcatenatingEstimator 將一或多個輸入資料行串連至新的輸出資料行。
CopyColumns(TransformsCatalog, String, String)	建立 ColumnCopyingEstimator ，將資料從 中指定的 inputColumnName 資料行複製到新的資料行： outputColumnName 。
DropColumns(TransformsCatalog, String[])	建立 ， ColumnSelectingEstimator 這會從 IDataView 卸載指定的資料行清單。 未指定的任何資料行都會保留在輸出中。
SelectColumns(TransformsCatalog, String[], Boolean)	建立 ColumnSelectingEstimator ，其會將指定的資料行清單保留在 中 IDataView ，並卸載其他資料行。
SelectColumns(TransformsCatalog, String[])	建立 ColumnSelectingEstimator ，其會將指定的資料行清單保留在 中 IDataView ，並卸載其他資料行。
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	建立 FastForestBinaryFeaturizationEstimator ，用來 FastForestBinaryTrainer 定 TreeEnsembleModelParameters 型以建立樹狀結構型功能。
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	建立 FastForestRegressionFeaturizationEstimator ，用來 FastForestRegressionTrainer 定 TreeEnsembleModelParameters 型以建立樹狀結構型功能。
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	建立 FastTreeBinaryFeaturizationEstimator ，用來 FastTreeBinaryTrainer 定 TreeEnsembleModelParameters 型以建立樹狀結構型功能。
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	建立 FastTreeRankingFeaturizationEstimator ，用來 FastTreeRankingTrainer 定 TreeEnsembleModelParameters 型以建立樹狀結構型功能。
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	建立 FastTreeRegressionFeaturizationEstimator ，用來 FastTreeRegressionTrainer 定 TreeEnsembleModelParameters 型以建立樹狀結構型功能。
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	建立 FastTreeTweedieFeaturizationEstimator ，用來 FastTreeTweedieTrainer 定 TreeEnsembleModelParameters 型以建立樹狀結構型功能。
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	建立 PretrainedTreeFeaturizationEstimator ，其會產生給定的 TreeEnsembleModelParameters 樹狀結構特徵。