MutualInformationFeatureSelectingEstimator Klasse
Definition
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.
Wählt die oberen K-Steckplätze über alle angegebenen Spalten aus, die nach ihren gegenseitigen Informationen mit der Beschriftungsspalte sortiert sind (was Sie über die Beschriftung erfahren können, indem Sie den Wert der angegebenen Spalte beobachten).
public sealed class MutualInformationFeatureSelectingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.ITransformer>type MutualInformationFeatureSelectingEstimator = class
interface IEstimator<ITransformer>Public NotInheritable Class MutualInformationFeatureSelectingEstimator
Implements IEstimator(Of ITransformer)- Vererbung
-
MutualInformationFeatureSelectingEstimator
- Implementiert
Hinweise
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | Yes |
| Eingabespaltendatentyp | Vektor oder Skalar numerischer, Text- oder Schlüsseldatentypen |
| Ausgabespaltendatentyp | Identisch mit der Eingabespalte |
| Exportierbar in ONNX | Yes |
Formell können die gegenseitigen Informationen wie folgt geschrieben werden:
$\text{MI}(X,Y) = E_{x,y}[\log(P(x,y)) - \log(P(x)) - \log(P(y))]$ wobei $x$ und $y$ Beobachtungen zufälliger Variablen $X$ und $Y$.
wenn die Erwartung E über die gemeinsame Verteilung von X und Y übernommen wird. Hier ist P(x, y) die Gemeinsame Wahrscheinlichkeitsdichtefunktion von X und Y, P(x) und P(y) sind die Grenzwahrscheinlichkeitsdichtefunktionen von X bzw. Y. Im Allgemeinen bedeutet eine höhere gegenseitige Information zwischen der abhängigen Variablen(oder Beschriftung) und einer unabhängigen Variablen(oder Funktion), dass die Bezeichnung eine höhere gegenseitige Abhängigkeit von diesem Feature hat. Es behält die obersten Steckplätze in Ausgabefeatures mit den größten gegenseitigen Informationen mit dem Etikett bei.
Wenn wir z. B. für die folgende Spalte "Features und Beschriftung" angeben, dass die obersten 2 Steckplätze(Vektorelemente) die höhere Korrelation mit der Bezeichnungsspalte aufweisen, würde die Ausgabe der Anwendung dieses Schätzelements nur die ersten und die dritten Steckplätze beibehalten, da ihre Werte stärker mit den Werten in der Spalte "Beschriftung" korreliert sind.
| Etikett | Features |
|---|---|
| True | 4,6,0 |
| False | 0,7,5 |
| True | 4,7,0 |
| False | 0,7,0 |
So würde das oben genannte Dataset aussehen, nachdem er den Schätzer passte und die Daten mit dem resultierenden Transformator transformiert:
| Etikett | Features |
|---|---|
| True | 4,0 |
| False | 0,5 |
| True | 4,0 |
| False | 0,0 |
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
Züge und Gibt einen ITransformer. |
| GetOutputSchema(SchemaShape) |
Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet. |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Zwischenspeicherprüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das eine Stellvertretung aufruft, sobald Fit(IDataView) sie aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen zu dem, was passt, zurückgeben, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt und nicht nur ein allgemeines ITransformerObjekt zurückgibt. IEstimator<TTransformer> Gleichzeitig werden jedoch oft in Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern bauen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten wollen, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode einen Delegat anfügen, der aufgerufen wird, sobald "Fit" aufgerufen wird. |