NaiveCalibratorTransformer 類別

定義

重要

部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。

public sealed class NaiveCalibratorTransformer : Microsoft.ML.Calibrators.CalibratorTransformer<Microsoft.ML.Calibrators.NaiveCalibrator>

type NaiveCalibratorTransformer = class
    inherit CalibratorTransformer<NaiveCalibrator>

Public NotInheritable Class NaiveCalibratorTransformer
Inherits CalibratorTransformer(Of NaiveCalibrator)

繼承: Object

RowToRowTransformerBase

CalibratorTransformer<NaiveCalibrator>
NaiveCalibratorTransformer

GetOutputSchema(DataViewSchema)	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 RowToRowTransformerBase)
Transform(IDataView)	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 RowToRowTransformerBase)

ICanSaveModel.Save(ModelSaveContext)	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 RowToRowTransformerBase)
IPredictionTransformer<TICalibrator>.Model	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 CalibratorTransformer<TICalibrator>)
ISingleFeaturePredictionTransformer<TICalibrator>.FeatureColumnName	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 CalibratorTransformer<TICalibrator>)
ISingleFeaturePredictionTransformer<TICalibrator>.FeatureColumnType	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 CalibratorTransformer<TICalibrator>)
ITransformer.GetRowToRowMapper(DataViewSchema)	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 RowToRowTransformerBase)
ITransformer.IsRowToRowMapper	定型取得的 ITransformer 實作 NaiveCalibratorEstimator (繼承來源 CalibratorTransformer<TICalibrator>)

Preview(ITransformer, IDataView, Int32)	預覽在指定 `data` 上的效果 `transformer` 。
Append<TTrans>(ITransformer, TTrans)	建立新的轉換器鏈結，方法是將另一個轉換器附加至此轉換器鏈結的結尾。
CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, PredictionEngineOptions)	TimeSeriesPredictionEngine<TSrc,TDst> 建立時間序列管線的預測引擎。它會使用預測階段所見的觀察來更新時間序列模型的狀態，並允許檢查模型。
CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, Boolean, SchemaDefinition, SchemaDefinition)	TimeSeriesPredictionEngine<TSrc,TDst> 建立時間序列管線的預測引擎。它會使用預測階段所見的觀察來更新時間序列模型的狀態，並允許檢查模型。