tillämpa en importerad modell i TensorFlow- eller ONNX-format
efterprocessdata efter att de har skickats via en modell
Omvandlingarna i den här guiden returnerar klasser som implementerar IEstimator-gränssnittet . Datatransformeringar kan länkas samman. Varje transformering både förväntar sig och genererar data av specifika typer och format, som anges i den länkade referensdokumentationen.
Vissa datatransformeringar kräver träningsdata för att beräkna deras parametrar. Till exempel: NormalizeMeanVariance transformatorn beräknar medelvärdet och variansen för träningsdata under Fit() åtgärden och använder dessa parametrar i Transform() åtgärden.
Andra datatransformeringar kräver inte träningsdata. Till exempel: omvandlingen ConvertToGrayscale kan utföra Transform() åtgärden utan att ha sett några träningsdata under åtgärden Fit() .
Skala varje värde i en rad genom att subtrahera medelvärdet av raddata och dividera med antingen standardavvikelsen eller l2-normen (av raddata) och multiplicera med en konfigurerbar skalningsfaktor (standard 2)
Tilldela indatavärdet till ett lagerplatsindex och dividera med antalet lagerplatser för att skapa ett flyttalvärde mellan 0 och 1. Intervallgränserna beräknas för att fördela träningsdata jämnt mellan lagerplatser
Identifiera ändringspunkter i oberoende och identiskt distribuerade tidsseriedata (IID) med hjälp av adaptiva kerneldensitetsuppskattningar och martingalepoäng
Mappa varje indatavektor till ett lägre dimensionellt funktionsutrymme, där inre produkter approximeras en kernelfunktion, så att funktionerna kan användas som indata till de linjära algoritmerna
Omvandlar en binär klassificerarens råpoäng till en klasssannolikheten med logistisk regression med parametrar som uppskattas med hjälp av träningsdata
Omvandlar en binär klassificerarens råpoäng till en klasssannolikhet genom att tilldela poäng till lagerplatser och beräkna sannolikheten baserat på fördelningen mellan lagerplatserna
Omvandlar en binär klassificerarens råpoäng till en klasssannolikhet genom att tilldela poäng till lagerplatser, där gränsernas position och storleken på lagerplatser beräknas med hjälp av träningsdata
Använda ett uttryck för att omvandla kolumner till nya
Nej
Samarbeta med oss på GitHub
Källan för det här innehållet finns på GitHub, där du även kan skapa och granska ärenden och pull-begäranden. Se vår deltagarguide för mer information.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i: https://aka.ms/ContentUserFeedback.
