TextCatalog.ProduceWordBags Methode

Definition

Namespace:: Microsoft.ML

Assembly:: Microsoft.ML.Transforms.dll

Paket:: Microsoft.ML v4.0.1

Paket:: Microsoft.ML v2.0.1

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v5.0.0-preview.1.25125.4

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Überlädt

Name	Beschreibung
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	Erstellen Sie eine WordBagEstimator, die die Spalte, die in `inputColumnName` einem Vektor von n-Gramm-Zählungen in einer neuen Spalte mit dem Namen angegeben `outputColumnName`ist.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Erstellen Sie eine WordBagEstimator, die die Spalte, die in `inputColumnName` einem Vektor von n-Gramm-Zählungen in einer neuen Spalte mit dem Namen angegeben `outputColumnName`ist.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Erstellen Sie einen WordBagEstimator, der die in einem Vektor mit n-Gramm-Anzahl angegebenen `inputColumnNames` mehreren Spalten in einer neuen Spalte mit dem Namen `outputColumnName`ordnet.

ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)

Quelle:: TextCatalog.cs

Quelle:: TextCatalog.cs

Quelle:: TextCatalog.cs

Erstellen Sie eine WordBagEstimator, die die Spalte, die in inputColumnName einem Vektor von n-Gramm-Zählungen in einer neuen Spalte mit dem Namen angegeben outputColumnNameist.

public static Microsoft.ML.Transforms.Text.WordBagEstimator ProduceWordBags(this Microsoft.ML.TransformsCatalog.TextTransforms catalog, string outputColumnName, char termSeparator, char freqSeparator, string inputColumnName = default, int maximumNgramsCount = 10000000);

static member ProduceWordBags : Microsoft.ML.TransformsCatalog.TextTransforms * string * char * char * string * int -> Microsoft.ML.Transforms.Text.WordBagEstimator

<Extension()>
Public Function ProduceWordBags (catalog As TransformsCatalog.TextTransforms, outputColumnName As String, termSeparator As Char, freqSeparator As Char, Optional inputColumnName As String = Nothing, Optional maximumNgramsCount As Integer = 10000000) As WordBagEstimator

Parameter

catalog: TransformsCatalog.TextTransforms

Der Katalog der Transformation.

outputColumnName: String

Name der Spalte, die sich aus der Transformation von inputColumnName. Der Datentyp dieser Spalte wird als Vektor der bekannten Größe bezeichnet Single.

termSeparator: Char

freqSeparator: Char

inputColumnName: String

Name der Spalte, aus der die Daten entnommen werden sollen. <param name="maximumNgramsCount">Maximum number of n-gramm to store in the dictionary.</param param param><name="termSeparator">Separator used to separate terms/frequency pairs.</param param><name="freqSeparator">Separator verwendet, um Ausdrücke von ihrer Häufigkeit zu trennen.</param> Dieser Schätzer arbeitet über den Textvektor.

maximumNgramsCount: Int32

Gibt zurück

WordBagEstimator

Hinweise

WordBagEstimator unterscheidet sich davon NgramExtractingEstimator , dass der frühere Text intern tokenisiert und letztere tokenisierten Text als Eingabe verwendet.

Gilt für:

ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)

Quelle:: TextCatalog.cs

Quelle:: TextCatalog.cs

Quelle:: TextCatalog.cs

Erstellen Sie eine WordBagEstimator, die die Spalte, die in inputColumnName einem Vektor von n-Gramm-Zählungen in einer neuen Spalte mit dem Namen angegeben outputColumnNameist.

public static Microsoft.ML.Transforms.Text.WordBagEstimator ProduceWordBags(this Microsoft.ML.TransformsCatalog.TextTransforms catalog, string outputColumnName, string inputColumnName = default, int ngramLength = 2, int skipLength = 0, bool useAllLengths = true, int maximumNgramsCount = 10000000, Microsoft.ML.Transforms.Text.NgramExtractingEstimator.WeightingCriteria weighting = Microsoft.ML.Transforms.Text.NgramExtractingEstimator+WeightingCriteria.Tf);

static member ProduceWordBags : Microsoft.ML.TransformsCatalog.TextTransforms * string * string * int * int * bool * int * Microsoft.ML.Transforms.Text.NgramExtractingEstimator.WeightingCriteria -> Microsoft.ML.Transforms.Text.WordBagEstimator

<Extension()>
Public Function ProduceWordBags (catalog As TransformsCatalog.TextTransforms, outputColumnName As String, Optional inputColumnName As String = Nothing, Optional ngramLength As Integer = 2, Optional skipLength As Integer = 0, Optional useAllLengths As Boolean = true, Optional maximumNgramsCount As Integer = 10000000, Optional weighting As NgramExtractingEstimator.WeightingCriteria = Microsoft.ML.Transforms.Text.NgramExtractingEstimator+WeightingCriteria.Tf) As WordBagEstimator

Parameter

catalog: TransformsCatalog.TextTransforms

Der Katalog der Transformation.

outputColumnName: String

Name der Spalte, die sich aus der Transformation von inputColumnName. Der Datentyp dieser Spalte wird als Vektor der bekannten Größe bezeichnet Single.

inputColumnName: String

Name der Spalte, aus der die Daten entnommen werden sollen. Dieser Schätzer arbeitet über den Textvektor.

ngramLength: Int32

Länge des Ngrams.

skipLength: Int32

Maximale Anzahl von Token, die beim Erstellen eines n-Gramms übersprungen werden sollen.

useAllLengths: Boolean

Ob alle n-Gramm-Längen bis zu ngramLength oder nur ngramLengtheingeschlossen werden sollen.

maximumNgramsCount: Int32

Maximale Anzahl von n Gramm, die im Wörterbuch gespeichert werden sollen.

weighting: NgramExtractingEstimator.WeightingCriteria

Statistisches Maß, das verwendet wird, um zu bewerten, wie wichtig ein Wort für ein Dokument in einem Korpus ist.

Gibt zurück

WordBagEstimator

Hinweise

WordBagEstimator unterscheidet sich davon NgramExtractingEstimator , dass der frühere Text intern tokenisiert und letztere tokenisierten Text als Eingabe verwendet.

Gilt für:

ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)

Quelle:: TextCatalog.cs

Quelle:: TextCatalog.cs

Quelle:: TextCatalog.cs

Erstellen Sie einen WordBagEstimator, der die in einem Vektor mit n-Gramm-Anzahl angegebenen inputColumnNames mehreren Spalten in einer neuen Spalte mit dem Namen outputColumnNameordnet.

public static Microsoft.ML.Transforms.Text.WordBagEstimator ProduceWordBags(this Microsoft.ML.TransformsCatalog.TextTransforms catalog, string outputColumnName, string[] inputColumnNames, int ngramLength = 2, int skipLength = 0, bool useAllLengths = true, int maximumNgramsCount = 10000000, Microsoft.ML.Transforms.Text.NgramExtractingEstimator.WeightingCriteria weighting = Microsoft.ML.Transforms.Text.NgramExtractingEstimator+WeightingCriteria.Tf);

static member ProduceWordBags : Microsoft.ML.TransformsCatalog.TextTransforms * string * string[] * int * int * bool * int * Microsoft.ML.Transforms.Text.NgramExtractingEstimator.WeightingCriteria -> Microsoft.ML.Transforms.Text.WordBagEstimator

<Extension()>
Public Function ProduceWordBags (catalog As TransformsCatalog.TextTransforms, outputColumnName As String, inputColumnNames As String(), Optional ngramLength As Integer = 2, Optional skipLength As Integer = 0, Optional useAllLengths As Boolean = true, Optional maximumNgramsCount As Integer = 10000000, Optional weighting As NgramExtractingEstimator.WeightingCriteria = Microsoft.ML.Transforms.Text.NgramExtractingEstimator+WeightingCriteria.Tf) As WordBagEstimator

Parameter

catalog: TransformsCatalog.TextTransforms

Der Katalog der Transformation.

outputColumnName: String

Name der Spalte, die sich aus der Transformation von inputColumnNames. Der Datentyp dieser Spalte wird als Vektor der bekannten Größe bezeichnet Single.

inputColumnNames: String[]

Namen der mehreren Spalten, aus der die Daten entnommen werden sollen. Dieser Schätzer arbeitet über den Textvektor.

ngramLength: Int32

Länge des Ngrams.

skipLength: Int32

Maximale Anzahl von Token, die beim Erstellen eines n-Gramms übersprungen werden sollen.

useAllLengths: Boolean

Ob alle n-Gramm-Längen bis zu ngramLength oder nur ngramLengtheingeschlossen werden sollen.

maximumNgramsCount: Int32

Maximale Anzahl von n Gramm, die im Wörterbuch gespeichert werden sollen.

weighting: NgramExtractingEstimator.WeightingCriteria

Statistisches Maß, das verwendet wird, um zu bewerten, wie wichtig ein Wort für ein Dokument in einem Korpus ist.

Gibt zurück

WordBagEstimator

Hinweise

WordBagEstimator unterscheidet sich davon NgramExtractingEstimator , dass der frühere Text intern tokenisiert und letztere tokenisierten Text als Eingabe verwendet.

Gilt für: