Bagikan melalui


HashingEstimator Kelas

Definisi

Estimator untuk HashingTransformer, yang hash kolom bernilai tunggal atau kolom vektor. Untuk kolom vektor, ia hash setiap slot secara terpisah.

public sealed class HashingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.HashingTransformer>
type HashingEstimator = class
    interface IEstimator<HashingTransformer>
Public NotInheritable Class HashingEstimator
Implements IEstimator(Of HashingTransformer)
Warisan
HashingEstimator
Penerapan

Keterangan

Karakteristik Estimator

Apakah estimator ini perlu melihat data untuk melatih parameternya? Ya, jika pemetaan hash ke nilai diperlukan.
Jenis data kolom input Vektor atau skalar numerik, boolean, teks, DateTime , dan jenis kunci .
Jenis data kolom output Jenis kunci vektor atau skalar.
Dapat diekspor ke ONNX Ya - pada estimator yang dilatih pada v1.5 dan yang lebih baru. Int64, , UInt64Single, Double dan OrderedHashing tidak didukung.

Periksa bagian Lihat Juga untuk tautan ke contoh penggunaan.

Metode

Fit(IDataView)

Melatih dan mengembalikan HashingTransformer.

GetOutputSchema(SchemaShape)

Mengembalikan SchemaShape skema yang akan diproduksi oleh transformator. Digunakan untuk penyebaran dan verifikasi skema dalam alur.

Metode Ekstensi

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Tambahkan 'titik pemeriksaan penembolokan' ke rantai estimator. Ini akan memastikan bahwa estimator hilir akan dilatih terhadap data cache. Sangat membantu untuk memiliki titik pemeriksaan penembolokan sebelum pelatih yang mengambil beberapa data berlalu.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Mengingat estimator, kembalikan objek pembungkus yang akan memanggil delegasi setelah Fit(IDataView) dipanggil. Seringkali penting bagi estimator untuk mengembalikan informasi tentang apa yang cocok, itulah sebabnya Fit(IDataView) metode mengembalikan objek yang di ketik secara khusus, bukan hanya umum ITransformer. Namun, pada saat yang sama, IEstimator<TTransformer> sering dibentuk menjadi alur dengan banyak objek, jadi kita mungkin perlu membangun rantai estimator melalui EstimatorChain<TLastTransformer> di mana estimator yang ingin kita dapatkan transformator dimakamkan di suatu tempat dalam rantai ini. Untuk skenario itu, kita dapat melalui metode ini melampirkan delegasi yang akan dipanggil setelah fit dipanggil.

Berlaku untuk

Lihat juga