Microsoft.ML.Data Espace de noms

Résultats d’évaluation pour la détection d’anomalies (algorithme d’apprentissage non supervisé).

Classe de base pour travailler sur les tâches de détection d’anomalies ISingleFeaturePredictionTransformer<TModel> .

Résultats d’évaluation pour les classifieurs binaires, à l’exclusion des métriques probabilistes.

La BinaryClassificationMetricsStatistics classe contient des statistiques récapitulatives sur plusieurs observations de BinaryClassificationMetrics.

Cette classe représente un point de données sur Precision-Recall courbe pour la classification binaire.

Classe de base pour travailler sur des ISingleFeaturePredictionTransformer<TModel> tâches de classification binaire.

Type booléen standard. Il s’agit d’un type de représentation de Boolean. Notez que cela ne peut avoir qu’une seule valeur possible, accessible par la propriété Instancestatique singleton.

Résultats d’évaluation pour les classifieurs binaires, y compris les métriques probabilistes.

Métriques générées après l’évaluation des prédictions de clustering.

Classe de base pour travailler sur les ISingleFeaturePredictionTransformer<TModel> tâches de clustering.

ITransformer résultant de l’ajustement d’un ColumnConcatenatingEstimator.

Méthodes d’extension qui permettent d’extraire des valeurs d’une seule colonne d’un IDataViewIEnumerable<T>en tant que .

Permet à un membre de spécifier IDataView directement le nom de colonne, par opposition au comportement par défaut de l’utilisation du nom de membre comme nom de colonne.

Cette classe représente un chargeur de données qui applique une chaîne de transformateur après le chargement. Il dispose également de méthodes pour s’enregistrer dans un référentiel.

Classe estimateur pour le chargeur de données composite. Il peut être utilisé pour créer un « chargeur de données intelligent pouvant être entraîné », bien que ce modèle ne soit pas très courant.

Représente la matrice de confusion des résultats de classification.

Espace de noms contenant les composants de métriques de chargement et d’enregistrement des données, des définitions de schéma de données et des métriques d’entraînement de modèle.

Décrit comment une colonne d’entrée doit être mappée à une IDataView colonne.

Paramètres pour DatabaseLoader

Spécifie la plage d’index ou de noms des colonnes d’entrée qui doivent être mappées à une colonne de sortie.

Expose les données requises pour ouvrir une base de données pour la lecture.

Cette classe représente un « aperçu » hâtif d’un IDataView.

Espace de noms contenant les composants de métriques de chargement et d’enregistrement des données, des définitions de schéma de données et des métriques d’entraînement de modèle.

Espace de noms contenant les composants de métriques de chargement et d’enregistrement des données, des définitions de schéma de données et des métriques d’entraînement de modèle.

Il s’agit de la classe de base abstraite pour tous les types du système de IDataView type.

DataViewTypeAttributedoit être utilisé pour décorer les propriétés de classe et les champs, si les instances de cette classe seront chargées en tant que ML.NET IDataView. La fonction Register() est appelée pour inscrire une DataViewTypeType demande auprès de ses Attributes. Chaque fois qu’une valeur tapée sur l’objet inscrit Type et ses Attributes, ce type (c’est-à-dire un Type) est IDataView associé DataViewType.

Classe singleton pour la gestion de la carte entre ML.NET DataViewType et C#Type. Pour prendre en charge le type de colonne personnalisé dans IDataView, le type sous-jacent de la colonne (par exemple, le type d’une classe C#) doit être inscrit auprès d’une classe dérivée de DataViewType.

Type d’heure de date standard. Il s’agit d’un type de représentation de DateTime. Notez que cela ne peut avoir qu’une seule valeur possible, accessible par la propriété Instancestatique singleton.

Type de décalage de date/heure standard. Il s’agit d’un type de représentation de DateTimeOffset. Notez que cela ne peut avoir qu’une seule valeur possible, accessible par la propriété Instancestatique singleton.

Représente une chaîne (potentiellement vide) d’estimateurs qui se terminent par un TLastTransformer. Si la chaîne est vide, TLastTransformer elle est toujours ITransformer.

Encapsule un IFileHandle IMultiStreamSource.

IEstimator<TTransformer> pour le ImageLoadingTransformer.

ITransformer résultant de l’ajustement d’un ImageLoadingEstimator.

Définit la cardinalité ou le nombre de valeurs valides d’une KeyDataViewType colonne. Cela doit être strictement positif. Il est utilisé par TextLoader et TypeConvertingEstimator.

Type représentant des valeurs catégorielles ou énumérées, couramment utilisées pour les valeurs des étiquettes dans les modèles de classification multiclasse.

Autoriser le membre à être marqué comme un KeyDataViewType.

Autoriser le membre à spécifier le mappage à des champs dans le fichier texte. Pour remplacer le nom de l’utilisation IDataViewde ColumnNameAttribute colonne .

Autoriser le membre à spécifier le mappage à des champs dans la base de données. Pour remplacer le nom de l’utilisation IDataViewde ColumnNameAttribute colonne .

La classe MetricsStatistics calcule les statistiques récapitulatives sur plusieurs observations d’une métrique.

Fournir des interfaces pour les opérations d’imagerie.

Résultats de l’évaluation pour les formateurs de classification multiclasse.

La MulticlassClassificationMetricsStatistics classe contient des statistiques récapitulatives sur plusieurs observations de MulticlassClassificationMetrics.

Classe de base pour travailler sur des ISingleFeaturePredictionTransformer<TModel> tâches de classification multiclasses.

Encapsule un chemin potentiellement composé en tant que IMultiStreamSource.

Marquez ce membre comme n’étant pas exposé en tant que IDataView colonne dans le DataViewSchema.

Type de nombre standard. Cette classe n’est pas instanciable directement. Toutes les instances autorisées de ce type sont des singletons et sont accessibles en tant que propriétés statiques sur cette classe.

Classe de base pour le transformateur qui fonctionne sur des paires de colonnes d’entrée et de sortie.

Classe de base pour les transformateurs sans colonne de caractéristique ou plusieurs colonnes de caractéristiques.

Classe de base abstraite pour tous les types primitifs. Les valeurs de ces types peuvent être copiées librement sans souci de propriété, de mutation ou de suppression.

Options permettant de contrôler la sortie de l’élément RankingEvaluator

Résultats de l’évaluation pour les classements.

La RankingMetricsStatistics classe contient des statistiques récapitulatives sur plusieurs observations de RankingMetrics.

Classe de base pour travailler sur les ISingleFeaturePredictionTransformer<TModel> tâches de classement.

Algorithmes de régression des résultats d’évaluation (algorithme d’apprentissage supervisé).

La RegressionMetricsStatistics classe contient des statistiques récapitulatives sur plusieurs observations de RegressionMetrics.

Classe de base pour travailler sur les ISingleFeaturePredictionTransformer<TModel> tâches de régression.

Le type RowIdDataViewType. Il s’agit d’un type de représentation de DataViewRowId. Notez que cela ne peut avoir qu’une seule valeur possible, accessible par la propriété Instancestatique singleton.

Classe de base pour le transformateur qui produit de nouvelles colonnes, mais n’affecte pas les colonnes existantes.

Méthodes d’extension pour faciliter la consommation facile du contenu populaire de Annotations.

Cette classe définit un schéma d’une vue de données typée.

Une colonne de la vue de données.

Handle de fichier simple basé sur disque.

Classe de base pour tous les transformateurs implémentant le ISingleFeaturePredictionTransformer<TModel>. Il s’agit de tous les transformateurs qui fonctionnent avec une colonne de caractéristique.

Classe de base abstraite pour tous les types non primitifs.

Cela tente de lire les données dans un format proche du format SVM-light, l’objectif étant que la majorité des données mises en forme SVM-light doivent être interprétables par ce chargeur.

Espace de noms contenant les composants de métriques de chargement et d’enregistrement des données, des définitions de schéma de données et des métriques d’entraînement de modèle.

Type de texte standard. Il s’agit d’un type de représentation avec ReadOnlyMemory<T> le paramètre Charde type . Notez que cela ne peut avoir qu’une seule valeur possible, accessible par la propriété Instancestatique singleton.

Charge un fichier texte dans un IDataView. Prend en charge le mappage de base des colonnes d’entrée aux IDataView colonnes.

Décrit comment une colonne d’entrée doit être mappée à une IDataView colonne.

Paramètres pour TextLoader

Spécifie la plage d’index des colonnes d’entrée qui doivent être mappées à une colonne de sortie.

Type d’intervalle de temps standard. Il s’agit d’un type de représentation de TimeSpan. Notez que cela ne peut avoir qu’une seule valeur possible, accessible par la propriété Instancestatique singleton.

Chaîne de transformateurs (éventuellement vide) qui se terminent par un TLastTransformer. Pour une chaîne vide, TLastTransformer est toujours ITransformer.

L’implémentation triviale de IEstimator<TTransformer> ce qui a déjà le transformateur et le retourne sur chaque appel à Fit(IDataView).

Les implémentations concrètes doivent toujours fournir le mécanisme de propagation du schéma, car il n’existe aucun moyen facile de l’déduire du transformateur.

Différentes méthodes pour la création d’instances VBufferEditor<T> .

Type de vecteur standard. Le type de représentation de ce paramètre est VBuffer<T>, où se trouve ItemTypele paramètre de type .

Permet à un membre d’être marqué comme étant un VectorDataViewType, ce qui permet principalement de définir la dimensionnalité du tableau résultant.

Structure servant d’identificateur d’une ligne de IDataView. Pour les jeux de données avec des millions d’enregistrements, ces ID doivent être uniques, par conséquent, la nécessité d’une telle structure volumineuse pour contenir les valeurs. Ces ID sont dérivés d’autres ID des composants précédents des pipelines et divisent la structure en deux : ordre élevé et ordre faible des bits, et réduit encore davantage les modifications de ces collisions.

Mémoire tampon qui prend en charge les représentations denses et éparses. Il s’agit du type de représentation pour toutes les VectorDataViewType instances. Les valeurs définies explicitement de ce vecteur sont exposées à travers GetValues() et, si ce n’est pas dense, GetIndices().

Objet capable de modifier un VBuffer<T> en remplissant Values (et Indices si la mémoire tampon n’est pas dense).

Handle de fichier.

Interface permettant d’exposer un certain nombre d’éléments qui peuvent être ouverts pour la lecture.

Cette interface mappe une entrée DataViewRow à une sortie DataViewRow. En règle générale, la sortie contient les colonnes d’entrée et les nouvelles colonnes ajoutées par la classe d’implémentation, bien que certaines implémentations puissent retourner un sous-ensemble des colonnes d’entrée. Cette interface est similaire à Microsoft.ML.Data.ISchemaBoundRowMapper, sauf qu’elle n’a pas de mappages de rôles d’entrée. Par conséquent, pour rebiner, les mêmes noms de colonnes d’entrée doivent être utilisés. Les implémentations de cette interface sont généralement créées sur une entrée DataViewSchemadéfinie.

Spécifie un type de données simple.

Spécifie le format des données de couleur pour chaque pixel de l’image.

Espace de noms contenant les composants de métriques de chargement et d’enregistrement des données, des définitions de schéma de données et des métriques d’entraînement de modèle.

Cette énumération permet de « balisage » les estimateurs (et les transformateurs par la suite) dans la chaîne d’être utilisés « uniquement pour l’entraînement », « pour l’entraînement et l’évaluation », etc. L’exemple le plus notable est que les transformations sur la colonne d’étiquette ne doivent pas être utilisées pour le scoring, de sorte que l’étendue doit être Training ou TrainTest.