SupportedTransformers 類別

參考

定義 AutoML 所支援之轉換器的客戶面向名稱。

轉換器會分類為與資料 (搭配 Categorical 使用， CatImputer 例如) 、 DateTime 資料 (， DataTimeTransformer 例如) 、 Text 資料 (TfIdf 例如) ，或用於 Generic 資料類型 (，例如 Imputer) 。

繼承: builtins.object

SupportedTransformers

建構函式

SupportedTransformers()

備註

在自動化 ML 中使用自動前置處理或使用類別自訂特徵 FeaturizationConfig 化時，SupportedTransformers 中定義的屬性會用於特徵化摘要，如範例所示。


   featurization_config = FeaturizationConfig()
   featurization_config.add_transformer_params('Imputer', ['column1'], {"strategy": "median"})
   featurization_config.add_transformer_params('HashOneHotEncoder', [], {"number_of_bits": 3})

如需詳細資訊，請參閱設定自動化 ML 實驗。

屬性

ImputationMarker

為插補值新增布林值插補標記。

ImputationMarker = 'ImputationMarker'

Imputer

完成遺漏值。

Imputer = 'Imputer'

MaxAbsScaler

依據資料的最大絕對值來調整資料。

MaxAbsScaler = 'MaxAbsScaler'

CatImputer

依最常見的類別來插補類別特徵的遺漏值。

CatImputer = 'CatImputer'

HashOneHotEncoder

將輸入轉換成雜湊，並將編碼為單熱編碼向量。

HashOneHotEncoder = 'HashOneHotEncoder'

LabelEncoder

將類別資料編碼為數字。

LabelEncoder = 'LabelEncoder'

CatTargetEncoder

將具有回歸平均目標值的分類資料對應至分類的類別機率。

CatTargetEncoder = 'CatTargetEncoder'

WoETargetEncoder

計算類別資料與目標資料行相互關聯之辨識項的權數。

WoETargetEncoder = 'WoETargetEncoder'

OneHotEncoder

將輸入轉換成一熱編碼向量。

OneHotEncoder = 'OneHotEncoder'

DateTimeTransformer

將資料時間特徵擴充為子功能，例如年、月和日。

DateTimeTransformer = 'DateTimeTransformer'

CountVectorizer

將檔的集合轉換為權杖計數的矩陣。

CountVectorizer = 'CountVectorizer'

NaiveBayes

使用 sklearn 多項貝氏機率分類轉換文字資料。

NaiveBayes = 'NaiveBayes'

StringCast

將輸入轉換成字串和小寫。

StringCast = 'StringCast'

TextTargetEncoder

將目標編碼套用至文字資料，其中具有字包的堆疊線性模型會產生每個類別的機率。

TextTargetEncoder = 'TextTargetEncoder'

TfIdf

將計數矩陣轉換成標準化的 TF 或 TF-iDF 標記法。

TfIdf = 'TfIdf'

TimeIndexFeaturizer

使用類別建立日期時間型功能的 time_index_featurizer 轉換器。

TimeIndexFeaturizer = 'TimeIndexFeaturizer'

WordEmbedding

使用預先定型的模型，將文字標記的向量轉換成句子向量。

WordEmbedding = 'WordEmbedding'

CUSTOMIZABLE_TRANSFORMERS

在特徵化中使用類別中方法 FeaturizationConfig 參數自訂的轉換器。

CUSTOMIZABLE_TRANSFORMERS = {'HashOneHotEncoder', 'Imputer', 'TfIdf'}

BLOCK_TRANSFORMERS

可以封鎖的轉換器無法在類別的特徵化中使用 FeaturizationConfig 。

BLOCK_TRANSFORMERS = {'CatTargetEncoder', 'CountVectorizer', 'HashOneHotEncoder', 'LabelEncoder', 'NaiveBayes', 'OneHotEncoder', 'TextTargetEncoder', 'TfIdf', 'TimeIndexFeaturizer', 'WoETargetEncoder', 'WordEmbedding'}

FULL_SET

完整的轉換器集。

FULL_SET = {'CatImputer', 'CatTargetEncoder', 'CountVectorizer', 'DateTimeTransformer', 'HashOneHotEncoder', 'ImputationMarker', 'Imputer', 'LabelEncoder', 'MaxAbsScaler', 'NaiveBayes', 'OneHotEncoder', 'StringCast', 'TextTargetEncoder', 'TfIdf', 'TimeIndexFeaturizer', 'WoETargetEncoder', 'WordEmbedding'}

共用方式為