TextCatalog.ProduceWordBags Méthode

Définition

Espace de noms:: Microsoft.ML

Assembly:: Microsoft.ML.Transforms.dll

Paquet:: Microsoft.ML v4.0.1

Paquet:: Microsoft.ML v2.0.1

Paquet:: Microsoft.ML v3.0.1

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

Paquet:: Microsoft.ML v1.0.0

Paquet:: Microsoft.ML v1.1.0

Paquet:: Microsoft.ML v1.2.0

Paquet:: Microsoft.ML v1.3.1

Paquet:: Microsoft.ML v1.4.0

Paquet:: Microsoft.ML v1.5.5

Paquet:: Microsoft.ML v1.6.0

Paquet:: Microsoft.ML v1.7.0

Important

Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.

Surcharges

Nom	Description
ProduceWordBags(TransformsCatalog+TextTransforms, String, Char, Char, String, Int32)	Créez un WordBagEstimator, qui mappe la colonne spécifiée dans `inputColumnName` un vecteur de nombres n-grammes dans une nouvelle colonne nommée `outputColumnName`.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String, Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Créez un WordBagEstimator, qui mappe la colonne spécifiée dans `inputColumnName` un vecteur de nombres n-grammes dans une nouvelle colonne nommée `outputColumnName`.
ProduceWordBags(TransformsCatalog+TextTransforms, String, String[], Int32, Int32, Boolean, Int32, NgramExtractingEstimator+WeightingCriteria)	Créez un WordBagEstimator, qui mappe les plusieurs colonnes spécifiées dans `inputColumnNames` un vecteur de nombres n-grammes dans une nouvelle colonne nommée `outputColumnName`.

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

Source:: TextCatalog.cs

Source:: TextCatalog.cs

Source:: TextCatalog.cs

Créez un WordBagEstimator, qui mappe la colonne spécifiée dans inputColumnName un vecteur de nombres n-grammes dans une nouvelle colonne nommée outputColumnName.

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

Paramètres

catalog: TransformsCatalog.TextTransforms

Catalogue de la transformation.

outputColumnName: String

Nom de la colonne résultant de la transformation de inputColumnName. Le type de données de cette colonne sera le vecteur de taille connue de Single.

termSeparator: Char

freqSeparator: Char

inputColumnName: String

Nom de la colonne à partir duquel prendre les données. <param name="maximumNgramsCount">Nombre maximal de n-grammes à stocker dans le dictionnaire.</param param><name="termSeparator">Separator utilisé pour séparer les paires termes/fréquences.</param param><name="freqSeparator">Separator utilisé pour séparer les termes de leur fréquence.</param> Cet estimateur fonctionne sur le vecteur de texte.

maximumNgramsCount: Int32

Retours

WordBagEstimator

Remarques

WordBagEstimator est différent de NgramExtractingEstimator celui de l’ancien tokenize du texte en interne et celui-ci prend du texte tokenisé comme entrée.

S’applique à

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

Source:: TextCatalog.cs

Source:: TextCatalog.cs

Source:: TextCatalog.cs

Créez un WordBagEstimator, qui mappe la colonne spécifiée dans inputColumnName un vecteur de nombres n-grammes dans une nouvelle colonne nommée outputColumnName.

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

Paramètres

catalog: TransformsCatalog.TextTransforms

Catalogue de la transformation.

outputColumnName: String

Nom de la colonne résultant de la transformation de inputColumnName. Le type de données de cette colonne sera le vecteur de taille connue de Single.

inputColumnName: String

Nom de la colonne à partir duquel prendre les données. Cet estimateur fonctionne sur le vecteur de texte.

ngramLength: Int32

Longueur du Ngram.

skipLength: Int32

Nombre maximal de jetons à ignorer lors de la construction d’un n-grammes.

useAllLengths: Boolean

Indique s’il faut inclure toutes les longueurs n-grammes jusqu’à ngramLength ou seulement ngramLength.

maximumNgramsCount: Int32

Nombre maximal de n-grammes à stocker dans le dictionnaire.

weighting: NgramExtractingEstimator.WeightingCriteria

Mesure statistique utilisée pour évaluer l’importance d’un mot dans un corpus.

Retours

WordBagEstimator

Remarques

WordBagEstimator est différent de NgramExtractingEstimator celui de l’ancien tokenize du texte en interne et celui-ci prend du texte tokenisé comme entrée.

S’applique à

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

Source:: TextCatalog.cs

Source:: TextCatalog.cs

Source:: TextCatalog.cs

Créez un WordBagEstimator, qui mappe les plusieurs colonnes spécifiées dans inputColumnNames un vecteur de nombres n-grammes dans une nouvelle colonne nommée outputColumnName.

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

Paramètres

catalog: TransformsCatalog.TextTransforms

Catalogue de la transformation.

outputColumnName: String

Nom de la colonne résultant de la transformation de inputColumnNames. Le type de données de cette colonne sera le vecteur de taille connue de Single.

inputColumnNames: String[]

Noms des plusieurs colonnes à partir des données. Cet estimateur fonctionne sur le vecteur de texte.

ngramLength: Int32

Longueur du Ngram.

skipLength: Int32

Nombre maximal de jetons à ignorer lors de la construction d’un n-grammes.

useAllLengths: Boolean

Indique s’il faut inclure toutes les longueurs n-grammes jusqu’à ngramLength ou seulement ngramLength.

maximumNgramsCount: Int32

Nombre maximal de n-grammes à stocker dans le dictionnaire.

weighting: NgramExtractingEstimator.WeightingCriteria

Mesure statistique utilisée pour évaluer l’importance d’un mot dans un corpus.

Retours

WordBagEstimator

Remarques

WordBagEstimator est différent de NgramExtractingEstimator celui de l’ancien tokenize du texte en interne et celui-ci prend du texte tokenisé comme entrée.

S’applique à