DataOperationsCatalog.LoadFromEnumerable 메서드

정의

네임스페이스:

Microsoft.ML

어셈블리:

Microsoft.ML.Data.dll

패키지:

Microsoft.ML v2.0.0

오버로드

LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)	사용자 정의 형식의 항목 열거형을 통해 새로 IDataView 만듭니다. 사용자는 소유권을 data 유지 관리하며 결과 데이터 뷰는 해당 내용 data이 변경되지 않습니다. IDataView 변경할 수 없는 것으로 간주되므로 사용자는 데이터가 한 번만 커서가 지정된다는 것을 알지 못하면 동일한 결과를 반환하는 여러 열거 data 형을 지원해야 합니다. 스트리밍 데이터 뷰에 대한 일반적인 사용 방법 중 하나는 필요에 따라 데이터를 지연 로드하는 데이터 뷰를 만든 다음, 미리 학습된 변환을 적용하고 변환 결과를 위해 이를 통해 커서를 사용하는 것입니다.
LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)	IDataView 제공된 DataViewSchema형식을 사용하여 사용자 정의 형식의 항목 열거 가능 항목을 새로 만듭니다. 이 항목에는 형식이 캡처할 수 있는 것보다 스키마에 대한 자세한 정보가 포함될 수 있습니다.

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

사용자 정의 형식의 항목 열거형을 통해 새로 IDataView 만듭니다. 사용자는 소유권을 data 유지 관리하며 결과 데이터 뷰는 해당 내용 data이 변경되지 않습니다. IDataView 변경할 수 없는 것으로 간주되므로 사용자는 데이터가 한 번만 커서가 지정된다는 것을 알지 못하면 동일한 결과를 반환하는 여러 열거 data 형을 지원해야 합니다.

스트리밍 데이터 뷰에 대한 일반적인 사용 방법 중 하나는 필요에 따라 데이터를 지연 로드하는 데이터 뷰를 만든 다음, 미리 학습된 변환을 적용하고 변환 결과를 위해 이를 통해 커서를 사용하는 것입니다.

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

형식 매개 변수

TRow

사용자 정의 항목 유형입니다.

매개 변수

data

IEnumerable<TRow>

로 변환할 형식 TRow 을 포함하는 열거 가능한 데이터입니다 IDataView.

schemaDefinition

SchemaDefinition

만들 데이터 뷰의 선택적 스키마 정의입니다. 이면 null스키마 정의가 .에서 TRow유추됩니다.

반환

IDataView

생성된 IDataView.

예제

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)

IDataView 제공된 DataViewSchema형식을 사용하여 사용자 정의 형식의 항목 열거 가능 항목을 새로 만듭니다. 이 항목에는 형식이 캡처할 수 있는 것보다 스키마에 대한 자세한 정보가 포함될 수 있습니다.

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

형식 매개 변수

TRow

사용자 정의 항목 유형입니다.

매개 변수

data

IEnumerable<TRow>

로 변환할 형식 TRow 을 포함하는 열거 가능한 데이터입니다 IDataView.

schema

DataViewSchema

반환 IDataView된 스키마입니다.

반환

IDataView

IDataView 지정된 schema.

설명

사용자는 소유권을 data 유지 관리하며 결과 데이터 뷰는 해당 내용 data이 변경되지 않습니다. IDataView 변경할 수 없는 것으로 간주되므로 사용자는 데이터가 한 번만 커서가 지정된다는 것을 알지 못하면 동일한 결과를 반환하는 여러 열거 data 형을 지원해야 합니다. 스트리밍 데이터 뷰에 대한 일반적인 사용 방법 중 하나는 필요에 따라 데이터를 지연 로드하는 데이터 뷰를 만든 다음, 미리 학습된 변환을 적용하고 변환 결과를 위해 이를 통해 커서를 사용하는 것입니다. 한 가지 실용적인 사용법은 .를 통해 DataViewSchema.Annotations기능 열 이름을 제공하는 것입니다.