DataOperationsCatalog.LoadFromEnumerable Yöntem

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v2.0.0

Aşırı Yüklemeler

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

Kullanıcı tanımlı türdeki öğelerin numaralandırılabilir öğesi üzerinde yeni IDataView bir oluşturun. Kullanıcı sahipliğini data korur ve sonuçta elde edilen veri görünümü hiçbir zaman içeriğini datadeğiştirmez. IDataView Sabit olduğu varsayıldığından, kullanıcı verilerin yalnızca bir kez imleçlendirileceğini bilmediği sürece, kullanıcının aynı sonuçları döndürecek birden çok numaralandırmasını data desteklemesi beklenir. Akış veri görünümü için tipik kullanımlardan biri şunlar olabilir: verileri gerektiği gibi yükleyen veri görünümünü oluşturun, sonra buna önceden eğitilmiş dönüşümler uygulayın ve dönüştürme sonuçları için bunu imleçleyin.

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

Sağlanan DataViewSchemaöğesini kullanarak kullanıcı tanımlı tür öğelerinin numaralandırılabilir öğesi üzerinde yeni IDataView bir oluşturun. Bu, şema hakkında türün yakalayabileceğinden daha fazla bilgi içerebilir.

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

Kullanıcı tanımlı türdeki öğelerin numaralandırılabilir öğesi üzerinde yeni IDataView bir oluşturun. Kullanıcı sahipliğini data korur ve sonuçta elde edilen veri görünümü hiçbir zaman içeriğini datadeğiştirmez. IDataView Sabit olduğu varsayıldığından, kullanıcı verilerin yalnızca bir kez imleçlendirileceğini bilmediği sürece, kullanıcının aynı sonuçları döndürecek birden çok numaralandırmasını data desteklemesi beklenir.

Akış veri görünümü için tipik kullanımlardan biri şunlar olabilir: verileri gerektiği gibi yükleyen veri görünümünü oluşturun, sonra buna önceden eğitilmiş dönüşümler uygulayın ve dönüştürme sonuçları için bunu imleçleyin.

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

Tür Parametreleri

TRow

Kullanıcı tanımlı öğe türü.

Parametreler

data

IEnumerable<TRow>

türü içeren TRow , bir IDataViewöğesine dönüştürülecek numaralandırılabilir veriler.

schemaDefinition

SchemaDefinition

Oluşturulacak veri görünümünün isteğe bağlı şema tanımı. ise null, şema tanımı'ndan TRowçıkarılır.

Döndürülenler

IDataView

, tarafından inşa edildi IDataView.

Örnekler

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)

Sağlanan DataViewSchemaöğesini kullanarak kullanıcı tanımlı tür öğelerinin numaralandırılabilir öğesi üzerinde yeni IDataView bir oluşturun. Bu, şema hakkında türün yakalayabileceğinden daha fazla bilgi içerebilir.

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

Tür Parametreleri

TRow

Kullanıcı tanımlı öğe türü.

Parametreler

data

IEnumerable<TRow>

türü içeren TRow numaralandırılabilir veriler bir IDataViewöğesine dönüştürülecek.

schema

DataViewSchema

Döndürülen IDataViewöğesinin şeması.

Döndürülenler

IDataView

Verilen schemaile bir IDataView .

Açıklamalar

Kullanıcı sahipliğini data korur ve sonuçta elde edilen veri görünümü hiçbir zaman içeriğini datadeğiştirmez. IDataView Sabit olduğu varsayıldığından, kullanıcı verilerin yalnızca bir kez imleçlendirileceğini bilmediği sürece, kullanıcının aynı sonuçları döndürecek birden çok numaralandırmasını data desteklemesi beklenir. Akış veri görünümü için tipik kullanımlardan biri şunlar olabilir: verileri gerektiği gibi yükleyen veri görünümünü oluşturun, sonra buna önceden eğitilmiş dönüşümler uygulayın ve dönüştürme sonuçları için bunu imleçleyin. Bunun pratik kullanımlarından biri özellik sütun adlarını aracılığıyla DataViewSchema.Annotationssağlamaktır.