TransformsCatalog Classe

Definição

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Pacote:

Microsoft.ML v2.0.0

Classe usada para MLContext criar instâncias de componentes de transformação.

public sealed class TransformsCatalog

type TransformsCatalog = class

Public NotInheritable Class TransformsCatalog

Herança

Object

TransformsCatalog

Propriedades

Categorical	A lista de operações sobre dados categóricos.
Conversion	A lista de operações para conversão de tipo de dados.
FeatureSelection	A lista de operações para selecionar recursos com base em alguns critérios.
Text	A lista de operações para processar dados de texto.

Métodos de Extensão

CustomMapping<TSrc,TDst>(TransformsCatalog, Action<TSrc,TDst>, String, SchemaDefinition, SchemaDefinition)	Crie um CustomMappingEstimator<TSrc,TDst>, que aplica um mapeamento personalizado de colunas de entrada às colunas de saída.
StatefulCustomMapping<TSrc,TDst,TState>(TransformsCatalog, Action<TSrc,TDst,TState>, Action<TState>, String)	Crie um StatefulCustomMappingEstimator<TSrc,TDst,TState>, que aplica um mapeamento personalizado de colunas de entrada às colunas de saída, permitindo um estado por cursor.
CalculateFeatureContribution(TransformsCatalog, ISingleFeaturePredictionTransformer<ICalculateFeatureContribution>, Int32, Int32, Boolean)	Crie um FeatureContributionCalculatingEstimator que compute as pontuações de contribuição específicas do modelo para cada recurso do vetor de entrada.
CalculateFeatureContribution<TModelParameters,TCalibrator>(TransformsCatalog, ISingleFeaturePredictionTransformer<CalibratedModelParametersBase<TModelParameters, TCalibrator>>, Int32, Int32, Boolean)	Crie um FeatureContributionCalculatingEstimator que compute as pontuações de contribuição específicas do modelo para cada recurso do vetor de entrada. Dá suporte a modelos calibrados.
Expression(TransformsCatalog, String, String, String[])	Cria um ExpressionEstimator.
IndicateMissingValues(TransformsCatalog, InputOutputColumnPair[])	Crie uma MissingValueIndicatorEstimator, que copia os dados da coluna especificada em InputColumnName uma nova coluna: OutputColumnName.
IndicateMissingValues(TransformsCatalog, String, String)	Crie uma MissingValueIndicatorEstimator, que verifica os dados da coluna especificada inputColumnName e preenche uma nova coluna especificada outputColumnName com vetor de bools em que i-th bool tem o valor de true se o elemento i-th em dados de coluna tem valor ausente e false de outra forma.
ReplaceMissingValues(TransformsCatalog, InputOutputColumnPair[], MissingValueReplacingEstimator+ReplacementMode, Boolean)	Crie uma ColumnCopyingEstimator, que copia os dados da coluna especificada em InputColumnName uma nova coluna: OutputColumnName e substitui valores ausentes nela de acordo replacementModecom .
ReplaceMissingValues(TransformsCatalog, String, String, MissingValueReplacingEstimator+ReplacementMode, Boolean)	Crie uma MissingValueReplacingEstimator, que copia os dados da coluna especificada em inputColumnName uma nova coluna: outputColumnName e substitui valores ausentes nela de acordo replacementModecom .
ConvertToGrayscale(TransformsCatalog, String, String)	Crie uma ImageGrayscalingEstimator, que converte imagens na coluna especificada em imagens em InputColumnName escala de cinza em uma nova coluna: OutputColumnName.
ConvertToImage(TransformsCatalog, Int32, Int32, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Int32, Int32, Int32, Int32)	Crie uma VectorToImageConvertingEstimatorimagem que cria uma imagem dos dados da coluna especificada em inputColumnName uma nova coluna: outputColumnName.
ExtractPixels(TransformsCatalog, String, String, ImagePixelExtractingEstimator+ColorBits, ImagePixelExtractingEstimator+ColorsOrder, Boolean, Single, Single, Boolean)	Crie uma ImagePixelExtractingEstimator, que extrai valores de pixels dos dados especificados na coluna: inputColumnName para uma nova coluna: outputColumnName.
LoadImages(TransformsCatalog, String, String, String)	Crie uma ImageLoadingEstimator, que carrega os dados da coluna especificada inputColumnName como uma imagem para uma nova coluna: outputColumnName.
LoadRawImageBytes(TransformsCatalog, String, String, String)	Crie uma ImageLoadingEstimator, que carrega os dados da coluna especificada inputColumnName como uma imagem de bytes brutos para uma nova coluna: outputColumnName.
ResizeImages(TransformsCatalog, String, Int32, Int32, String, ImageResizingEstimator+ResizingKind, ImageResizingEstimator+Anchor)	Crie uma ImageResizingEstimator, que redimensione a imagem da coluna especificada em inputColumnName uma nova coluna: outputColumnName.
ApproximatedKernelMap(TransformsCatalog, String, String, Int32, Boolean, KernelBase, Nullable<Int32>)	Crie um ApproximatedKernelMappingEstimator que mapeie vetores de entrada para um espaço de recursos de baixa dimensão em que os produtos internos se aproximam de uma função de kernel invariável de mudança.
VectorWhiten(TransformsCatalog, String, String, WhiteningKind, Single, Int32, Int32)	Leva a coluna preenchida com um vetor de variáveis aleatórias com uma matriz de covariância conhecida em um conjunto de novas variáveis cuja covariância é a matriz de identidade, o que significa que elas não estão relacionadas e cada uma tem variação 1.
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com densidade igual.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com densidade igual.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Crie uma GlobalContrastNormalizingEstimator, que normaliza as colunas aplicando individualmente a normalização de contraste global. Definir ensureZeroMean como true, aplicará uma etapa de pré-processamento para tornar a média da coluna especificada o vetor zero.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação do logaritmo dos dados.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Crie uma LpNormNormalizingEstimator, que normaliza (dimensiona) vetores na coluna de entrada para a norma de unidade. O tipo de norma que é usado é definido por norm. Definir ensureZeroMean como true, aplicará uma etapa de pré-processamento para tornar a média da coluna especificada um vetor zero.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação dos dados.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Crie um NormalizingEstimator, que normaliza com base na média computada e na variação dos dados.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base nos valores mínimos e máximos observados dos dados.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Crie um NormalizingEstimator, que normaliza com base nos valores mínimos e máximos observados dos dados.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Crie um NormalizingEstimator, que normaliza o uso de estatísticas robustas para exceções centralizando os dados em torno de 0 (removendo a mediana) e dimensionando os dados de acordo com o intervalo quantile (padrão para o intervalo interquartil).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Crie um NormalizingEstimator, que normaliza o uso de estatísticas robustas para exceções centralizando os dados em torno de 0 (removendo a mediana) e dimensionando os dados de acordo com o intervalo quantile (padrão para o intervalo interquartil).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com base na correlação com a labelColumnName coluna.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Crie um NormalizingEstimator, que normaliza atribuindo os dados em compartimentos com base na correlação com a labelColumnName coluna.
ApplyOnnxModel(TransformsCatalog, OnnxOptions)	Criar um OnnxScoringEstimator usando o especificado OnnxOptions. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado à coluna de entrada. As colunas de entrada/saída são determinadas com base nas colunas de entrada/saída do modelo ONNX fornecido. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String, Nullable<Int32>, Boolean)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado à coluna de entrada. As colunas de entrada/saída são determinadas com base nas colunas de entrada/saída do modelo ONNX fornecido. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String, String, String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado à inputColumnName coluna. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String, String, String, Nullable<Int32>, Boolean)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado à inputColumnName coluna. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado às inputColumnNames colunas. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String[], String[], String, IDictionary<String,Int32[]>, Nullable<Int32>, Boolean, Int32)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado às inputColumnNames colunas. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
ApplyOnnxModel(TransformsCatalog, String[], String[], String, Nullable<Int32>, Boolean)	Crie uma OnnxScoringEstimator, que aplica um modelo Onnx pré-treinado às inputColumnNames colunas. Consulte para OnnxScoringEstimator saber mais sobre as dependências necessárias e como executá-la em uma GPU.
DnnFeaturizeImage(TransformsCatalog, String, Func<DnnImageFeaturizerInput,EstimatorChain<ColumnCopyingTransformer>>, String)	Criar DnnImageFeaturizerEstimator, que aplica um dos modelos DNN pré-treinados DnnImageModelSelector para apresentar uma imagem.
ProjectToPrincipalComponents(TransformsCatalog, String, String, String, Int32, Int32, Boolean, Nullable<Int32>)	Inicializa uma nova instância de PrincipalComponentAnalyzer.
DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	Criar SrCnnAnomalyEstimator, que detecta anomalias de timeseries usando o algoritmo SRCNN.
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	CriarSsaChangePointEstimator, que prevê pontos de alteração em séries temporais usando a Singular Spectrum Analysis (SSA).
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	Obsoleto. CriarSsaChangePointEstimator, que prevê pontos de alteração em séries temporais usando a Singular Spectrum Analysis (SSA).
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)	Criar IidChangePointEstimator, que prevê pontos de alteração em uma série temporal distribuída de forma idêntica independente (i.i.d.) com base em estimativas de densidade de kernel adaptável e pontuações de martingale.
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	Obsoleto. Criar IidChangePointEstimator, que prevê pontos de alteração em uma série temporal distribuída de forma idêntica independente (i.i.d.) com base em estimativas de densidade de kernel adaptável e pontuações de martingale.
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	Create IidSpikeEstimator, que prevê picos em séries temporais distribuídas de forma idêntica independente (i.i.d.) com base em estimativas de densidade de kernel adaptável e pontuações de martingale.
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	Obsoleto. Create IidSpikeEstimator, que prevê picos em séries temporais distribuídas de forma idêntica independente (i.i.d.) com base em estimativas de densidade de kernel adaptável e pontuações de martingale.
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	CriarSsaSpikeEstimator, que prevê picos na série temporal usando a Singular Spectrum Analysis (SSA).
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	Obsoleto. CriarSsaSpikeEstimator, que prevê picos na série temporal usando a Singular Spectrum Analysis (SSA).
Concatenate(TransformsCatalog, String, String[])	Crie uma ColumnConcatenatingEstimator, que concatena uma ou mais colunas de entrada em uma nova coluna de saída.
CopyColumns(TransformsCatalog, String, String)	Crie uma ColumnCopyingEstimator, que copia os dados da coluna especificada em inputColumnName uma nova coluna: outputColumnName.
DropColumns(TransformsCatalog, String[])	Criar uma ColumnSelectingEstimator, que remove uma determinada lista de colunas de um IDataView. Qualquer coluna não especificada será mantida na saída.
SelectColumns(TransformsCatalog, String[])	Crie uma ColumnSelectingEstimator, que mantém uma determinada lista de colunas em um IDataView e descarta as outras.
SelectColumns(TransformsCatalog, String[], Boolean)	Crie uma ColumnSelectingEstimator, que mantém uma determinada lista de colunas em um IDataView e descarta as outras.
FeaturizeByFastForestBinary(TransformsCatalog, FastForestBinaryFeaturizationEstimator+Options)	CriarFastForestBinaryFeaturizationEstimator, que usa para treinar TreeEnsembleModelParameters para criar recursos baseados FastForestBinaryTrainer em árvore.
FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)	CriarFastForestRegressionFeaturizationEstimator, que usa para treinar TreeEnsembleModelParameters para criar recursos baseados FastForestRegressionTrainer em árvore.
FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)	CriarFastTreeBinaryFeaturizationEstimator, que usa para treinar TreeEnsembleModelParameters para criar recursos baseados FastTreeBinaryTrainer em árvore.
FeaturizeByFastTreeRanking(TransformsCatalog, FastTreeRankingFeaturizationEstimator+Options)	CriarFastTreeRankingFeaturizationEstimator, que usa para treinar TreeEnsembleModelParameters para criar recursos baseados FastTreeRankingTrainer em árvore.
FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)	CriarFastTreeRegressionFeaturizationEstimator, que usa para treinar TreeEnsembleModelParameters para criar recursos baseados FastTreeRegressionTrainer em árvore.
FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)	CriarFastTreeTweedieFeaturizationEstimator, que usa para treinar TreeEnsembleModelParameters para criar recursos baseados FastTreeTweedieTrainer em árvore.
FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)	Criar PretrainedTreeFeaturizationEstimator, que produz recursos baseados em árvores, dado um TreeEnsembleModelParameters.