DataOperationsCatalog.LoadFromEnumerable Método

Definición

Espacio de nombres:

Microsoft.ML

Ensamblado:

Microsoft.ML.Data.dll

Paquete:

Microsoft.ML v2.0.0

Sobrecargas

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)

Cree un nuevo a IDataView través de una enumerable de los elementos del tipo definido por el usuario. El usuario mantiene la propiedad de y data la vista de datos resultante nunca modificará el contenido de data. Dado IDataView que se supone que es inmutable, se espera que el usuario admita varias enumeraciones de que data devolverían los mismos resultados, a menos que el usuario sepa que los datos solo se cursorarán una vez. Un uso típico para la vista de datos de streaming podría ser: crear la vista de datos que carga los datos de forma diferida según sea necesario y, a continuación, aplicar transformaciones previamente entrenadas y cursor a través de ella para los resultados de la transformación.

LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)

Cree una nueva IDataView a través de una enumerable de los elementos del tipo definido por el usuario mediante el proporcionado DataViewSchema, que puede contener más información sobre el esquema que el tipo puede capturar.

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)

Cree un nuevo a IDataView través de una enumerable de los elementos del tipo definido por el usuario. El usuario mantiene la propiedad de y data la vista de datos resultante nunca modificará el contenido de data. Dado IDataView que se supone que es inmutable, se espera que el usuario admita varias enumeraciones de que data devolverían los mismos resultados, a menos que el usuario sepa que los datos solo se cursorarán una vez.

Un uso típico para la vista de datos de streaming podría ser: crear la vista de datos que carga los datos de forma diferida según sea necesario y, a continuación, aplicar transformaciones previamente entrenadas y cursor a través de ella para los resultados de la transformación.

public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.Data.SchemaDefinition schemaDefinition = default) where TRow : class;

member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.Data.SchemaDefinition -> Microsoft.ML.IDataView (requires 'Row : null)

Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), Optional schemaDefinition As SchemaDefinition = Nothing) As IDataView

Parámetros de tipo

TRow

Tipo de elemento definido por el usuario.

Parámetros

data

IEnumerable<TRow>

Los datos enumerables que contienen el tipo TRow que se va a convertir en .IDataView

schemaDefinition

SchemaDefinition

Definición de esquema opcional de la vista de datos que se va a crear. Si nulles , la definición de esquema se deduce de TRow.

Devoluciones

IDataView

IDataViewConstruido .

Ejemplos

using System;
using System.Collections.Generic;
using Microsoft.ML;
using Microsoft.ML.Data;

namespace Samples.Dynamic
{
    public static class LoadFromEnumerable
    {
        // Creating IDataView from IEnumerable, and setting the size of the vector
        // at runtime. When the data model is defined through types, setting the
        // size of the vector is done through the VectorType annotation. When the
        // size of the data is not known at compile time, the Schema can be directly
        // modified at runtime and the size of the vector set there. This is
        // important, because most of the ML.NET trainers require the Features
        // vector to be of known size. 
        public static void Example()
        {
            // Create a new context for ML.NET operations. It can be used for
            // exception tracking and logging, as a catalog of available operations
            // and as the source of randomness.
            var mlContext = new MLContext();

            // Get a small dataset as an IEnumerable.
            IEnumerable<DataPointVector> enumerableKnownSize = new DataPointVector[]
            {
               new DataPointVector{ Features = new float[]{ 1.2f, 3.4f, 4.5f, 3.2f,
                   7,5f } },

               new DataPointVector{ Features = new float[]{ 4.2f, 3.4f, 14.65f,
                   3.2f, 3,5f } },

               new DataPointVector{ Features = new float[]{ 1.6f, 3.5f, 4.5f, 6.2f,
                   3,5f } },

            };

            // Load dataset into an IDataView. 
            IDataView data = mlContext.Data.LoadFromEnumerable(enumerableKnownSize);
            var featureColumn = data.Schema["Features"].Type as VectorDataViewType;
            // Inspecting the schema
            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? True.
            // Size: 5.

            // If the size of the vector is unknown at compile time, it can be set 
            // at runtime.
            IEnumerable<DataPoint> enumerableUnknownSize = new DataPoint[]
            {
               new DataPoint{ Features = new float[]{ 1.2f, 3.4f, 4.5f } },
               new DataPoint{ Features = new float[]{ 4.2f, 3.4f, 1.6f } },
               new DataPoint{ Features = new float[]{ 1.6f, 3.5f, 4.5f } },
            };

            // The feature dimension (typically this will be the Count of the array 
            // of the features vector known at runtime).
            int featureDimension = 3;
            var definedSchema = SchemaDefinition.Create(typeof(DataPoint));
            featureColumn = definedSchema["Features"]
                .ColumnType as VectorDataViewType;

            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? False.
            // Size: 0.

            // Set the column type to be a known-size vector.
            var vectorItemType = ((VectorDataViewType)definedSchema[0].ColumnType)
                .ItemType;
            definedSchema[0].ColumnType = new VectorDataViewType(vectorItemType,
                featureDimension);

            // Read the data into an IDataView with the modified schema supplied in
            IDataView data2 = mlContext.Data
                .LoadFromEnumerable(enumerableUnknownSize, definedSchema);

            featureColumn = data2.Schema["Features"].Type as VectorDataViewType;
            // Inspecting the schema
            Console.WriteLine($"Is the size of the Features column known: " +
                $"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");

            // Preview
            //
            // Is the size of the Features column known? True. 
            // Size: 3.
        }
    }

    public class DataPoint
    {
        public float[] Features { get; set; }
    }

    public class DataPointVector
    {
        [VectorType(5)]
        public float[] Features { get; set; }
    }
}

LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)

Cree una nueva IDataView a través de una enumerable de los elementos del tipo definido por el usuario mediante el proporcionado DataViewSchema, que puede contener más información sobre el esquema que el tipo puede capturar.

public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.DataViewSchema schema) where TRow : class;

member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.DataViewSchema -> Microsoft.ML.IDataView (requires 'Row : null)

Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), schema As DataViewSchema) As IDataView

Parámetros de tipo

TRow

Tipo de elemento definido por el usuario.

Parámetros

data

IEnumerable<TRow>

Datos enumerables que contienen el tipo TRow que se va a convertir en .IDataView

schema

DataViewSchema

Esquema del objeto devuelto IDataView.

Devoluciones

IDataView

un IDataView objeto con el especificado schema.

Comentarios

El usuario mantiene la propiedad de y data la vista de datos resultante nunca modificará el contenido de data. Dado IDataView que se supone que es inmutable, se espera que el usuario admita varias enumeraciones de que data devolverían los mismos resultados, a menos que el usuario sepa que los datos solo se cursorarán una vez. Un uso típico para la vista de datos de streaming podría ser: crear la vista de datos que carga los datos de forma diferida según sea necesario y, a continuación, aplicar transformaciones previamente entrenadas y cursor a través de ella para los resultados de la transformación. Un uso práctico de esto sería proporcionar los nombres de columna de características a través de DataViewSchema.Annotations.