MutualInformationFeatureSelectingEstimator 类

  • 参考

定义

命名空间:
Microsoft.ML.Transforms
程序集:
Microsoft.ML.Transforms.dll
包:
Microsoft.ML v3.0.1
包:
Microsoft.ML v1.0.0
包:
Microsoft.ML v1.1.0
包:
Microsoft.ML v1.2.0
包:
Microsoft.ML v1.3.1
包:
Microsoft.ML v1.4.0
包:
Microsoft.ML v1.5.5
包:
Microsoft.ML v1.6.0
包:
Microsoft.ML v1.7.0
包:
Microsoft.ML v2.0.0

选择所有指定列中按相互信息排序的前 k 个槽，标签列 (可通过观察指定列的值) 了解标签的内容。

public sealed class MutualInformationFeatureSelectingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.ITransformer>
type MutualInformationFeatureSelectingEstimator = class
    interface IEstimator<ITransformer>
Public NotInheritable Class MutualInformationFeatureSelectingEstimator
Implements IEstimator(Of ITransformer)
继承
Object
MutualInformationFeatureSelectingEstimator
实现
IEstimator<ITransformer>

注解

估算器特征
此估算器是否需要查看数据来训练其参数？ 是
输入列数据类型 数值、 文本 或 键 数据类型的矢量或标量
输出列数据类型 与输入列相同
可导出到 ONNX 是

更准确地讲，互信息可以编写为：

$\text{MI} (X，Y) = E_{x，y}[\log (P (x，y) ) - \log (P (x) ) - \log (P (y) ) ]$ ，其中 $x$ 和 $y$ 是随机变量 $X$ 和 $Y$ 的观察值。

其中，预期 E 接管 X 和 Y 的联合分布。此处 P (x，y) 是 X 和 Y 的联合概率密度函数，P (x) 和 P (y) 分别是 X 和 Y 的边际概率密度函数。 通常，因变量 (或标签) 与自变量 (或特征) 之间的相互信息较高，意味着标签比特征具有更高的相互依赖关系。 它保留输出特征中的顶部槽，其中具有标签的最大相互信息。

例如，对于下面的“特征”和“标签”列，如果指定需要前 2 个槽 (与标签列) 相关性较高的向量元素，则应用此估算器的输出将仅保留第一个和第三个槽，因为它们的值与 Label 列中的值更相关。

Label 特征
True 4,6,0
False 0,7,5
True 4,7,0
False 0,7,0

在拟合估算器并使用生成的转换器转换数据后，上述数据集将如下所示：

Label 特征
True 4,0
False 0,5
True 4,0
False 0,0

有关使用示例的链接，请查看“另请参阅”部分。

方法

Fit(IDataView)

训练并返回 ITransformer。
GetOutputSchema(SchemaShape)

返回 SchemaShape 转换器将生成的架构的 。 用于管道中的架构传播和验证。

扩展方法

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

将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在接受多个数据传递的训练程序之前设置缓存检查点会很有帮助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

给定估算器后，返回一个包装对象，该对象在调用 后 Fit(IDataView) 将调用委托。 对于估算器来说，返回有关适合对象的信息通常很重要，这就是方法返回特定类型对象（而不仅仅是常规 ITransformer）的原因Fit(IDataView)。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此我们可能需要通过 EstimatorChain<TLastTransformer> 构建估算器链，其中要获取转换器的估算器埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加一个委托，该委托将在调用 fit 后调用。

适用于

另请参阅