PrincipalComponentAnalysisTransformer 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.
PCA ist eine Transformation zur Dimensionalitätsreduktion, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet.
public sealed class PrincipalComponentAnalysisTransformer : Microsoft.ML.Data.OneToOneTransformerBasetype PrincipalComponentAnalysisTransformer = class
inherit OneToOneTransformerBasePublic NotInheritable Class PrincipalComponentAnalysisTransformer
Inherits OneToOneTransformerBase- Vererbung
Hinweise
Die Prinzipkomponentenanalyse (PRINCIPLE Component Analysis, PCA) ist ein Dimensionalitätsreduktionsalgorithmus, der die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. Seine Schulung erfolgt mithilfe der im Dokument beschriebenen Technik: Kombinieren von strukturierten und unstrukturierten Zufallszahlen in großem Maßstab PCA und die Papiersuche Struktur mit Zufallsart: Probabilistische Algorithmen zum Erstellen ungefährer Matrix-Analysepositionen
Weitere Informationen finden Sie auch unter:
- Randomisierte Methoden für die Berechnung der Singular Value Decomposition (SVD) von sehr großen Matrizen
- Ein zufälliger Algorithmus für die Prinzipalkomponentenanalyse
- Suche nach Struktur mit Zufall: Probabilistische Algorithmen zum Erstellen ungefährer Matrixdekompositionen
Methoden
| Name | Beschreibung |
|---|---|
| GetOutputSchema(DataViewSchema) |
PCA ist eine Transformation zur Dimensionalitätsreduktion, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. (Geerbt von RowToRowTransformerBase) |
| Transform(IDataView) |
PCA ist eine Transformation zur Dimensionalitätsreduktion, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. (Geerbt von RowToRowTransformerBase) |
Explizite Schnittstellenimplementierungen
| Name | Beschreibung |
|---|---|
| ICanSaveModel.Save(ModelSaveContext) |
PCA ist eine Transformation zur Dimensionalitätsreduktion, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. (Geerbt von RowToRowTransformerBase) |
| ITransformer.GetRowToRowMapper(DataViewSchema) |
PCA ist eine Transformation zur Dimensionalitätsreduktion, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. (Geerbt von RowToRowTransformerBase) |
| ITransformer.IsRowToRowMapper |
PCA ist eine Transformation zur Dimensionalitätsreduktion, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. (Geerbt von RowToRowTransformerBase) |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| Append<TTrans>(ITransformer, TTrans) |
Erstellen Sie eine neue Transformatorkette, indem Sie einen anderen Transformator an das Ende dieser Transformatorkette anfügen. |
| CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, Boolean, SchemaDefinition, SchemaDefinition) |
TimeSeriesPredictionEngine<TSrc,TDst> erstellt ein Vorhersagemodul für eine Zeitreihenpipeline. Es aktualisiert den Zustand des Zeitreihenmodells mit Beobachtungen, die in der Vorhersagephase zu sehen sind, und ermöglicht die Kontrolle des Modells. |
| CreateTimeSeriesEngine<TSrc,TDst>(ITransformer, IHostEnvironment, PredictionEngineOptions) |
TimeSeriesPredictionEngine<TSrc,TDst> erstellt ein Vorhersagemodul für eine Zeitreihenpipeline. Es aktualisiert den Zustand des Zeitreihenmodells mit Beobachtungen, die in der Vorhersagephase zu sehen sind, und ermöglicht die Kontrolle des Modells. |
| GetColumnPairs(OneToOneTransformerBase) |
Gibt die Namen der Eingabeausgabespaltenpaare zurück, auf die die Transformation angewendet wird. |
| Preview(ITransformer, IDataView, Int32) |
Zeigen Sie eine Vorschau eines Effekts auf |