Microsoft.ML Espacio de nombres

Se trata de un método de extensión que se va a usar con DnnImageFeaturizerEstimator para usar un modelo AlexNet entrenado previamente. También se garantiza que NuGet que contiene esta extensión incluya el archivo de modelo binario.

Clase usada por MLContext para crear instancias de componentes de detección de anomalías, como instructores y evaluadores.

Clase usada por MLContext para crear instancias de instructores de detección de anomalías.

Clase usada por MLContext para crear instancias de componentes de clasificación binaria, como instructores y calibradores.

Clase usada por MLContext para crear instancias de instructores de clasificación binaria.

Clase usada por MLContext para crear instancias de calibradores de clasificación binaria.

Colección de métodos de extensión para DataOperationsCatalog crear instancias de componentes para guardar y leer IDataView objetos en y desde un formato binario de alto rendimiento.

Colección de métodos de extensión para TransformsCatalog.CategoricalTransforms crear componentes de transformador de categorías.

Clase usada por MLContext para crear instancias de componentes de agrupación en clústeres, como instructores.

Clase usada por MLContext para crear instancias de instructores de agrupación en clústeres.

Colección de métodos de extensión para TransformsCatalog crear instancias de clave a componentes transformadores de asignación de vectores binarios

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de transformador de asignación y conversión de datos.

Clase que contiene un método de extensión para TransformsCatalog crear instancias de componentes de transformadores de asignación de filas definidos por el usuario.

Colección de métodos de extensión para leer DataOperationsCatalog de bases de datos.

Clase que se usa para cargar datos de uno o varios archivos.

Clase que se usa para crear componentes que operan en datos, pero que no forman parte de la canalización de entrenamiento del modelo. Incluye componentes para cargar, guardar, almacenar en caché, filtrar, orden aleatorio y dividir datos.

Fila lógica de datos. Puede ser una fila de o IDataView una fila independiente.

Clase que se usa para desplazarse por filas de .IDataView

Representa el esquema de un IDataView objeto o .DataViewRow El esquema es una colección de DataViewSchema.Column.

Anotaciones de esquema de un DataViewSchema.Columnobjeto .

Clase que contiene operaciones para compilar un DataViewSchema.Annotations.

Clase que contiene operaciones para compilar un DataViewSchema.

Clase que se usa para crear instancias de objetos de vista previa para la depuración. Nota: esta clase y todos los métodos solo deben usarse para la depuración y no en el código de producción.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de explicación del modelo.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Tipo de atributo base para todos los atributos usados con fines de extensibilidad.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de transformador de valor que faltan.

Colección de métodos de extensión para BinaryClassificationCatalog crear instancias de componentes del instructor de factorización con reconocimiento de campos.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes transformadores de selección de características.

Clase usada por MLContext para crear instancias de componentes de previsión.

Clase usada por MLContext para crear instancias de instructores de previsión.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes transformadores de procesamiento de imágenes.

Especifica los nombres de columna de entrada y salida para los componentes de transformador que operan en varias columnas.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de transformadores de ingeniería de características del método kernel.

Colección de métodos de extensión para ClusteringCatalog.ClusteringTrainers crear instancias de instructores de KMeans.

Métodos de extensión que permiten encadenar canalizaciones de estimador y transformador.

Colección de métodos de extensión para los RegressionCatalog.RegressionTrainerscatálogos , BinaryClassificationCatalog.BinaryClassificationTrainers, RankingCatalog.RankingTrainersy MulticlassClassificationCatalog.MulticlassClassificationTrainers .

Proporciona datos para el Log evento.

Colección de métodos de extensión para RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersy TransformsCatalog para crear componentes de instructor y transformación mkL (biblioteca de kernels matemáticas).

Representa el contexto común para todas las operaciones de ML.NET.

Clase usada por MLContext para guardar y cargar modelos entrenados.

Objeto de contexto conveniente para guardar modelos en un repositorio, para los implementadores de ICanSaveModel.

Clase usada por MLContext para crear instancias de componentes de clasificación multiclase, como instructores.

Clase usada por MLContext para crear instancias de instructores de clasificación multiclase.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de normalización numérica.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Colección de métodos de extensión utilizados por los AnomalyDetectionCatalog.AnomalyDetectionTrainerscatálogos , y TransformsCatalog para crear instancias de componentes de análisis de componentes principales (PCA).

Colección de métodos de extensión utilizados por RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCatalogy RankingCatalog para crear instancias de componentes de importancia de características de permutación.

Clase para realizar predicciones únicas en un modelo entrenado previamente (y una canalización de transformación anterior).

Clase base para realizar predicciones únicas en un modelo entrenado previamente (y la canalización de transformación anterior).

Opciones de PredictionEngine<TSrc,TDst>

Clase usada por MLContext para crear instancias de componentes de clasificación, como instructores y evaluadores.

Clase usada por MLContext para crear instancias de instructores de clasificación.

Catálogo central para instructores y tareas de recomendación.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Clase usada por MLContext para crear instancias de componentes de regresión, como instructores y evaluadores.

Clase usada por MLContext para crear instancias de instructores de regresión.

Se trata de un método de extensión que se va a usar con DnnImageFeaturizerEstimator para usar un modelo ResNet101 previamente entrenado. También se garantiza que NuGet que contiene esta extensión incluya el archivo de modelo binario.

Se trata de un método de extensión que se va a usar con DnnImageFeaturizerEstimator para usar un modelo ResNet18 entrenado previamente. También se garantiza que NuGet que contiene esta extensión incluya el archivo de modelo binario.

Se trata de un método de extensión que se va a usar con DnnImageFeaturizerEstimator para usar un modelo ResNet50 entrenado previamente. También se garantiza que NuGet que contiene esta extensión incluya el archivo de modelo binario.

Un conjunto de "requisitos" para el esquema entrante, así como un conjunto de "promesas" del esquema saliente. Esto es más relajado que el adecuado DataViewSchema, ya que solo es un subconjunto de las columnas y también, ya que no especifica exactamente DataViewType's para vectores y claves.

Colección de métodos de extensión para RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainersy MulticlassClassificationCatalog.MulticlassClassificationTrainers para crear instancias de componentes de instructor.

TensorFlowTransformer se usa en dos escenarios siguientes.

1. Puntuación con el modelo tensorFlow previamente entrenado: en este modo, la transformación extrae los valores de las capas ocultas de un modelo tensorflow entrenado previamente y usa salidas como características en ML.Net canalización.
2. Reentrenamiento del modelo de TensorFlow : en este modo, la transformación vuelve a entrenar un modelo de TensorFlow mediante los datos de usuario pasados a través de ML.Net canalización. Una vez entrenado el modelo, se pueden usar salidas como características para la puntuación.

Colección de métodos de extensión para .TransformsCatalog

Colección de métodos de extensión para que se DataOperationsCatalog lean desde archivos de texto delimitados, como csv y tsv.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Clase base para los catálogos de instructores.

Las subclases de Microsoft.ML.TrainContext proporcionarán pequeños objetos enlazables "método de extensión" (por ejemplo, algo parecido a Trainers). El código de usuario solo interactuará con estos objetos invocando los métodos de extensión. El código de componente real puede funcionar Microsoft.ML.Data.CatalogUtils para obtener más información "oculta" de este objeto, por ejemplo, el entorno.

Resultados de la ejecución de la validación cruzada.

Características de un entrenador. Expuesto a través de la propiedad Info de cada entrenador.

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de transformación que manipulan columnas.

Clase usada por MLContext para crear instancias de componentes de transformación.

Clase usada por MLContext para crear instancias de componentes de transformación de datos categóricos.

Clase utilizada por MLContext para crear instancias de componentes de transformación de datos de conversión de tipos.

Clase usada por MLContext para crear instancias de componentes de transformación de selección de características.

Clase usada por MLContext para crear instancias de componentes de transformación de datos de texto.

Colección de métodos de extensión usados por RegressionCatalog, BinaryClassificationCatalog, MulticlassClassificationCatalog, RankingCatalogy TransformsCatalog para crear instancias de instructores y caracterizadores de árbol de decisión.

Colección de métodos de extensión para MulticlassClassificationCatalog.MulticlassClassificationTrainers crear instancias de componentes del instructor ImageClassification.

Par de conjuntos de datos para el conjunto de entrenamiento y prueba.

Esta clase describe una columna en el esquema concreto.

Esta clase representa el esquema de una columna de una vista de datos, sin datos adjuntos a un determinado DataViewSchema.

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Para guardar un modelo en un repositorio. Las clases que implementan ICanSaveModel deben realizar una implementación explícita de Save(ModelSaveContext). Las clases que heredan ICanSaveModel de una clase base deben sobrescribir la función invocada por Save(ModelSaveContext) en esa clase base, si hay una.

El "cargador de datos" toma un determinado tipo de entrada y lo convierte en un IDataView.

A veces necesitamos 'ajustar' un IDataLoader<TSource>. Un estimador DataLoader es el objeto que lo hace.

Entrada y salida de operadores de consulta (transformaciones). Este es el tipo de canalización de datos fundamental, comparable a IEnumerable<T> para LINQ.

El estimador (en terminología de Spark) es un "transformador sin entrenar". Necesita 'ajustar' a los datos para fabricar un transformador. También proporciona la "propagación de esquemas", como lo hacen los transformadores, pero en SchemaShape lugar de DataViewSchema.

Interfaz para todos los transformadores que pueden transformar los datos en función del Microsoft.ML.IPredictor campo. Las implementaciones de esta interfaz no tienen ninguna columna de característica o tienen más de una columna de características y no pueden implementar , ISingleFeaturePredictionTransformer<TModel>que la mayoría de los ML.Net transformer implementan.

ISingleFeaturePredictionTransformer contiene el nombre de FeatureColumnName y su tipo, FeatureColumnType. Las implementaciones de esta interfaz tienen la capacidad de puntuar los datos de una entrada IDataView a través de Transform(IDataView)

El transformador es un componente que transforma los datos. También admite la "propagación de esquemas" para responder a la pregunta de "cómo se verán los datos con este esquema, después de transformarlos".

Espacio de nombres principal para ML.NET. Contiene contextos de aplicación y operación, catálogos de transformadores y instructores y componentes para el procesamiento de la vista de datos.

Tipo de delegado para obtener un valor. Esto se puede usar para un acceso eficaz a los datos de o DataViewRowDataViewRowCursor.