|
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, WordEmbeddingEstimator+PretrainedModelKind)
|
创建 ， WordEmbeddingEstimator它是一个文本特征化器，它使用预先训练的嵌入模型将文本向量转换为数字向量。
|
|
ApplyWordEmbedding(TransformsCatalog+TextTransforms, String, String, String)
|
创建 ， WordEmbeddingEstimator它是一个文本特征化器，它使用预先训练的嵌入模型将文本向量转换为数字向量。
|
|
FeaturizeText(TransformsCatalog+TextTransforms, String, TextFeaturizingEstimator+Options, String[])
|
创建一个 TextFeaturizingEstimator，它将文本列转换为 的特征化向量，该向量 Single 表示 n-gram 和 char-gram 的规范化计数。
|
|
FeaturizeText(TransformsCatalog+TextTransforms, String, String)
|
创建 ， TextFeaturizingEstimator它将文本列转换为 的特征化向量，该向量 Single 表示 n-gram 和 char-gram 的规范化计数。
|
|
LatentDirichletAllocation(TransformsCatalog+TextTransforms, String,
String, Int32, Single, Single, Int32, Int32, Int32, Int32, Int32,
Int32, Int32, Boolean)
|
创建一个 LatentDirichletAllocationEstimator，它使用 LightLDA 将表示为浮点向量) 的文本 (转换为指示文本与标识的每个主题相似性的向量 Single 。
|
|
NormalizeText(TransformsCatalog+TextTransforms, String, String, TextNormalizingEstimator+CaseMode, Boolean, Boolean, Boolean)
|
创建一个 TextNormalizingEstimator，它通过选择性地更改大小写、删除音调符号、标点符号、数字来规范传入 inputColumnName 文本，并将新文本输出为 outputColumnName。
|
|
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)
|
创建 ， NgramHashingEstimator用于将数据从 中指定的 inputColumnName 列复制到新列： outputColumnName ，并生成哈希 n-gram 计数的矢量。
|
|
ProduceHashedNgrams(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32, Boolean)
|
创建 一个 NgramHashingEstimator，它将中指定的 inputColumnNames 多个列中的数据提取到一个新列： outputColumnName 并生成哈希 n-gram 计数的向量。
|
|
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)
|
创建 ， WordHashBagEstimator用于将 中指定的 inputColumnName 列映射到名为 outputColumnName的新列中的哈希 n-gram 计数的向量。
|
|
ProduceHashedWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Int32, Boolean, UInt32, Boolean, Int32)
|
创建 ， WordHashBagEstimator用于将 中指定的 inputColumnNames 多个列映射到名为 outputColumnName的新列中经过哈希的 n-gram 计数的向量。
|
|
ProduceNgrams(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)
|
创建一个 ， NgramExtractingEstimator 它生成输入文本中遇到的) 连续单词序列 (n 克计数的向量。
|
|
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)
|
创建一个 WordBagEstimator，它将中指定的 inputColumnName 列映射到名为 outputColumnName的新列中的 n 个克计数的向量。
|
|
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)
|
创建一个 WordBagEstimator，它将中指定的 inputColumnName 列映射到名为 outputColumnName的新列中的 n 个克计数的向量。
|
|
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)
|
创建一个 WordBagEstimator，用于将 中指定的 inputColumnNames 多个列映射到名为 outputColumnName的新列中的 n 个语法计数的向量。
|
|
RemoveDefaultStopWords(TransformsCatalog+TextTransforms, String, String, StopWordsRemovingEstimator+Language)
|
创建一个 CustomStopWordsRemovingEstimator，用于将数据从 中指定的 inputColumnName 列复制到新列： outputColumnName 并从中删除专用于 language 的预先定义的文本集。
|
|
RemoveStopWords(TransformsCatalog+TextTransforms, String, String, String[])
|
创建一个 CustomStopWordsRemovingEstimator，用于将数据从 中指定的 inputColumnName 列复制到新列： outputColumnName 并从中删除 中指定的 stopwords 文本。
|
|
TokenizeIntoCharactersAsKeys(TransformsCatalog+TextTransforms, String, String, Boolean)
|
创建一个 TokenizingByCharactersEstimator，它通过使用滑动窗口将文本拆分为字符序列进行标记化。
|
|
TokenizeIntoWords(TransformsCatalog+TextTransforms, String, String, Char[])
|
创建一个 WordTokenizingEstimator，它使用 separators 作为分隔符标记输入文本。
|