TransformsCatalog Classe

Liste des opérations sur les données catégorielles.

Liste des opérations pour la conversion de type de données.

Liste des opérations permettant de sélectionner des fonctionnalités en fonction de certains critères.

Liste des opérations pour le traitement des données de texte.

Créez un OnnxScoringEstimator élément à l’aide de l’élément spécifié OnnxOptions. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la colonne d’entrée. Les colonnes d’entrée/sortie sont déterminées en fonction des colonnes d’entrée/sortie du modèle ONNX fourni. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la colonne d’entrée. Les colonnes d’entrée/sortie sont déterminées en fonction des colonnes d’entrée/sortie du modèle ONNX fourni. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la colonne d’entrée. Les colonnes d’entrée/sortie sont déterminées en fonction des colonnes d’entrée/sortie du modèle ONNX fourni. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la colonne d’entrée. Les colonnes d’entrée/sortie sont déterminées en fonction des colonnes d’entrée/sortie du modèle ONNX fourni. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la inputColumnName colonne. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la inputColumnName colonne. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la inputColumnName colonne. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné à la inputColumnName colonne. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné aux inputColumnNames colonnes. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné aux inputColumnNames colonnes. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné aux inputColumnNames colonnes. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné aux inputColumnNames colonnes. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné aux inputColumnNames colonnes. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un OnnxScoringEstimatormodèle Onnx préentraîné aux inputColumnNames colonnes. OnnxScoringEstimator Pour en savoir plus sur les dépendances nécessaires, voir comment l’exécuter sur un GPU.

Créez un ApproximatedKernelMappingEstimator vecteur d’entrée qui mappe les vecteurs d’entrée à un espace de caractéristiques à faible dimension où les produits internes se rapprochent d’une fonction de noyau invariante de décalage.

Créez un FeatureContributionCalculatingEstimator calcul des scores de contribution spécifiques au modèle pour chaque fonctionnalité du vecteur d’entrée.

Créez un FeatureContributionCalculatingEstimator calcul des scores de contribution spécifiques au modèle pour chaque fonctionnalité du vecteur d’entrée. Prend en charge les modèles étalonnés.

Créez un ColumnConcatenatingEstimator, qui concatène une ou plusieurs colonnes d’entrée dans une nouvelle colonne de sortie.

Créez un ImageGrayscalingEstimator, qui convertit des images dans la colonne spécifiée en InputColumnName images de nuances de gris dans une nouvelle colonne : OutputColumnName.

Créez une image qui crée une VectorToImageConvertingEstimatorimage à partir des données de la colonne spécifiée dans inputColumnName une nouvelle colonne : outputColumnName.

Créez un ColumnCopyingEstimator, qui copie les données de la colonne spécifiée dans inputColumnName une nouvelle colonne : outputColumnName.

Créez un CustomMappingEstimator<TSrc,TDst>mappage personnalisé des colonnes d’entrée à des colonnes de sortie.

Créez SrCnnAnomalyEstimator, qui détecte les anomalies de la série chronologique à l’aide de l’algorithme SRCNN.

CréezSsaChangePointEstimator, qui prédit les points de modification dans les séries chronologiques à l’aide de Singular Spectrum Analysis (SSA).

CréezSsaChangePointEstimator, qui prédit les points de modification dans les séries chronologiques à l’aide de Singular Spectrum Analysis (SSA).

Créez IidChangePointEstimator, qui prédit les points de modification dans une série chronologique distribuée de façon indépendante (i.i.d.) en fonction des estimations de densité de noyau adaptative et des scores martingale.

Créez IidChangePointEstimator, qui prédit les points de modification dans une série chronologique distribuée de façon indépendante (i.i.d.) en fonction des estimations de densité de noyau adaptative et des scores martingale.

Créez IidSpikeEstimator, qui prédit les pics de série chronologique distribuées de manière indépendante (i.i.d.) en fonction des estimations de densité de noyau adaptative et des scores martingale.

Créez IidSpikeEstimator, qui prédit les pics de série chronologique distribuées de manière indépendante (i.i.d.) en fonction des estimations de densité de noyau adaptative et des scores martingale.

CréezSsaSpikeEstimator, qui prédit les pics de série chronologique à l’aide de Singular Spectrum Analysis (SSA).

CréezSsaSpikeEstimator, qui prédit les pics de série chronologique à l’aide de Singular Spectrum Analysis (SSA).

Créez DnnImageFeaturizerEstimator, qui applique l’un des modèles DNN préentraînés dans DnnImageModelSelector pour caractérisation d’une image.

Créez un ColumnSelectingEstimator, qui supprime une liste donnée de colonnes d’un IDataView. Toute colonne non spécifiée est conservée dans la sortie.

Crée un ExpressionEstimator.

Créez un ImagePixelExtractingEstimator, qui extrait les valeurs de pixels des données spécifiées dans la colonne : inputColumnName vers une nouvelle colonne : outputColumnName.

Créez FastForestBinaryFeaturizationEstimator, qui utilise FastForestBinaryTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.

Créez FastForestRegressionFeaturizationEstimator, qui utilise FastForestRegressionTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.

Créez FastTreeBinaryFeaturizationEstimator, qui utilise FastTreeBinaryTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.

Créez FastTreeRankingFeaturizationEstimator, qui utilise FastTreeRankingTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.

Créez FastTreeRegressionFeaturizationEstimator, qui utilise FastTreeRegressionTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.

Créez FastTreeTweedieFeaturizationEstimator, qui utilise FastTreeTweedieTrainer pour effectuer l’apprentissage TreeEnsembleModelParameters pour créer des fonctionnalités basées sur des arborescences.

Créez PretrainedTreeFeaturizationEstimator, qui produit des fonctionnalités basées sur des arborescences en fonction d’un TreeEnsembleModelParameters.

Créez un MissingValueIndicatorEstimator, qui copie les données de la colonne spécifiée dans InputColumnName une nouvelle colonne : OutputColumnName.

Créez un MissingValueIndicatorEstimator, qui analyse les données de la colonne spécifiée et inputColumnName remplit une nouvelle colonne spécifiée avec outputColumnName le vecteur de bools où i-th bool a la valeur de true si l’élément i-th dans les données de colonne a une valeur manquante et false sinon.

Créez un ImageLoadingEstimator, qui charge les données de la colonne spécifiée en inputColumnName tant qu’image dans une nouvelle colonne : outputColumnName.

Créez un ImageLoadingEstimator, qui charge les données de la colonne spécifiée sous inputColumnName forme d’image d’octets bruts dans une nouvelle colonne : outputColumnName.

Créez un NormalizingEstimator, qui normalise en affectant les données dans des bacs avec une densité égale.

Créez un NormalizingEstimator, qui normalise en affectant les données dans des bacs avec une densité égale.

Créez un GlobalContrastNormalizingEstimator, qui normalise les colonnes individuellement en appliquant la normalisation globale du contraste. ensureZeroMeanLe paramètre true sur , applique une étape de prétraitement pour que la moyenne de la colonne spécifiée soit le vecteur zéro.

Créez un NormalizingEstimator, qui normalise en fonction de la moyenne calculée et de la variance du logarithme des données.

Créez un NormalizingEstimator, qui normalise en fonction de la moyenne calculée et de la variance du logarithme des données.

Créez un NormalizingEstimator, qui normalise en fonction de la moyenne calculée et de la variance du logarithme des données.

Créez un NormalizingEstimator, qui normalise en fonction de la moyenne calculée et de la variance du logarithme des données.

Créez un LpNormNormalizingEstimatorvecteur qui normalise (met à l’échelle) les vecteurs de la colonne d’entrée vers la norme d’unité. Le type de norme utilisé est défini par norm. trueLe paramètre ensureZeroMean sur , applique une étape de prétraitement pour que la moyenne de la colonne spécifiée soit un vecteur zéro.

Créez un NormalizingEstimator, qui normalise en fonction de la moyenne calculée et de la variance des données.

Créez un NormalizingEstimator, qui normalise en fonction de la moyenne calculée et de la variance des données.

Créez un NormalizingEstimator, qui normalise en fonction des valeurs minimales et maximales observées des données.

Créez un NormalizingEstimator, qui normalise en fonction des valeurs minimales et maximales observées des données.

Créez un NormalizingEstimator, qui normalise à l’aide de statistiques robustes aux valeurs hors norme en centreant les données autour de 0 (en supprimant la médiane) et met à l’échelle les données en fonction de la plage quantile (par défaut à la plage interquartile).

Créez un NormalizingEstimator, qui normalise à l’aide de statistiques robustes aux valeurs hors norme en centreant les données autour de 0 (en supprimant la médiane) et met à l’échelle les données en fonction de la plage quantile (par défaut à la plage interquartile).

Créez un NormalizingEstimator, qui normalise en affectant les données dans des bacs en fonction de la corrélation avec la labelColumnName colonne.

Créez un NormalizingEstimator, qui normalise en affectant les données dans des bacs en fonction de la corrélation avec la labelColumnName colonne.

Initialise une nouvelle instance de PrincipalComponentAnalyzer.

Créez un ColumnCopyingEstimator, qui copie les données de la colonne spécifiée dans InputColumnName une nouvelle colonne : OutputColumnName et remplace les valeurs manquantes dans celle-ci en fonction de replacementMode.

Créez un MissingValueReplacingEstimator, qui copie les données de la colonne spécifiée dans inputColumnName une nouvelle colonne : outputColumnName et remplace les valeurs manquantes dans celle-ci en fonction de replacementMode.

Créez un ImageResizingEstimator, qui redimensionne l’image de la colonne spécifiée dans inputColumnName une nouvelle colonne : outputColumnName.

Créez un ColumnSelectingEstimator, qui conserve une liste donnée de colonnes dans un IDataView et supprime les autres.

Créez un ColumnSelectingEstimator, qui conserve une liste donnée de colonnes dans un IDataView et supprime les autres.

Créez un StatefulCustomMappingEstimator<TSrc,TDst,TState>mappage personnalisé des colonnes d’entrée aux colonnes de sortie, tout en autorisant un état par curseur.

Prend la colonne remplie d’un vecteur de variables aléatoires avec une matrice de covariance connue dans un ensemble de nouvelles variables dont la covariance est la matrice d’identité, ce qui signifie qu’elles ne sont pas corrélées et chacune ont la variance 1.