NormalizationCatalog クラス

定義

名前空間:: Microsoft.ML

アセンブリ:: Microsoft.ML.Transforms.dll

パッケージ:: Microsoft.ML v4.0.1

パッケージ:: Microsoft.ML v1.0.0

パッケージ:: Microsoft.ML v1.1.0

パッケージ:: Microsoft.ML v1.2.0

パッケージ:: Microsoft.ML v1.3.1

パッケージ:: Microsoft.ML v1.4.0

パッケージ:: Microsoft.ML v1.5.5

パッケージ:: Microsoft.ML v1.6.0

パッケージ:: Microsoft.ML v1.7.0

パッケージ:: Microsoft.ML v2.0.1

パッケージ:: Microsoft.ML v3.0.1

パッケージ:: Microsoft.ML v5.0.0-preview.1.25125.4

ソース:: NormalizerCatalog.cs

ソース:: NormalizerCatalog.cs

ソース:: NormalizerCatalog.cs

重要

一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。

数値正規化コンポーネントのインスタンスを作成する TransformsCatalog の拡張メソッドのコレクション。

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

継承: Object
NormalizationCatalog

メソッド

名前	説明
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	データを等しい密度のビンに割り当てることで正規化する NormalizingEstimatorを作成します。
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	データを等しい密度のビンに割り当てることで正規化する NormalizingEstimatorを作成します。
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	グローバルコントラスト正規化を適用して列を個別に正規化する GlobalContrastNormalizingEstimatorを作成します。 `ensureZeroMean`を`true`に設定すると、事前処理ステップが適用され、指定した列の平均が 0 ベクトルになります。
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	計算された平均とデータの対数の分散に基づいて正規化する NormalizingEstimatorを作成します。
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	計算された平均とデータの対数の分散に基づいて正規化する NormalizingEstimatorを作成します。
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	計算された平均とデータの対数の分散に基づいて正規化する NormalizingEstimatorを作成します。
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	計算された平均とデータの対数の分散に基づいて正規化する NormalizingEstimatorを作成します。
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	入力列のベクトルを単位ノルムに正規化 (スケーリング) する LpNormNormalizingEstimatorを作成します。使用されるノルムの型は、 `norm`によって定義されます。 `ensureZeroMean`を`true`に設定すると、事前処理ステップが適用され、指定した列の平均が 0 ベクトルになります。
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	計算された平均とデータの分散に基づいて正規化する NormalizingEstimatorを作成します。
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	計算された平均とデータの分散に基づいて正規化する NormalizingEstimatorを作成します。
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	データの観測された最小値と最大値に基づいて正規化される NormalizingEstimatorを作成します。
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	データの観測された最小値と最大値に基づいて正規化される NormalizingEstimatorを作成します。
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	NormalizingEstimatorを作成します。これは、データを中心に 0 (中央値を削除) して外れ値に対して堅牢な統計を使用して正規化し、分位の範囲 (既定では四分位範囲) に従ってデータをスケーリングします。
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	NormalizingEstimatorを作成します。これは、データを中心に 0 (中央値を削除) して外れ値に対して堅牢な統計を使用して正規化し、分位の範囲 (既定では四分位範囲) に従ってデータをスケーリングします。
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	`labelColumnName`列との相関関係に基づいてデータをビンに割り当てることで正規化するNormalizingEstimatorを作成します。
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	`labelColumnName`列との相関関係に基づいてデータをビンに割り当てることで正規化するNormalizingEstimatorを作成します。

適用対象