NormalizationCatalog Klasa

Definicja

Przestrzeń nazw:: Microsoft.ML

Zestaw:: Microsoft.ML.Transforms.dll

Pakiet:: Microsoft.ML v4.0.1

Pakiet:: Microsoft.ML v1.0.0

Pakiet:: Microsoft.ML v1.1.0

Pakiet:: Microsoft.ML v1.2.0

Pakiet:: Microsoft.ML v1.3.1

Pakiet:: Microsoft.ML v1.4.0

Pakiet:: Microsoft.ML v1.5.5

Pakiet:: Microsoft.ML v1.6.0

Pakiet:: Microsoft.ML v1.7.0

Pakiet:: Microsoft.ML v2.0.1

Pakiet:: Microsoft.ML v3.0.1

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

Źródło:: NormalizerCatalog.cs

Źródło:: NormalizerCatalog.cs

Źródło:: NormalizerCatalog.cs

Ważne

Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.

Kolekcja metod rozszerzenia do TransformsCatalog tworzenia wystąpień składników normalizacji liczbowej.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Dziedziczenie: Object
NormalizationCatalog

Metody

Nazwa	Opis
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników o równej gęstości.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników o równej gęstości.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Utwórz obiekt GlobalContrastNormalizingEstimator, który normalizuje kolumny indywidualnie stosując normalizację globalnego kontrastu. Ustawienie `ensureZeroMean` wartości `true`spowoduje zastosowanie kroku przetwarzania wstępnego w celu ustawienia średniej określonej kolumny jako wektora zerowego.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji logarytmu danych.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Utwórz element LpNormNormalizingEstimator, który normalizuje (skaluje) wektory w kolumnie wejściowej do normy jednostkowej. Typ używanej normy jest definiowany przez `norm`. Ustawienie `ensureZeroMean` wartości `true`spowoduje zastosowanie kroku przetwarzania wstępnego w celu ustawienia średniej określonej kolumny jako wektora zerowego.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji danych.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obliczonej średniej i wariancji danych.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obserwowanych minimalnych i maksymalnych wartości danych.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Utwórz element NormalizingEstimator, który normalizuje się na podstawie obserwowanych minimalnych i maksymalnych wartości danych.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Utwórz obiekt NormalizingEstimator, który normalizuje dane przy użyciu statystyk niezawodnych dla wartości odstających przez wyśrodkowanie danych około 0 (usunięcie mediany) i skaluje dane zgodnie z zakresem kwantylu (domyślnie domyślnie jest to zakres interquartyl).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Utwórz obiekt NormalizingEstimator, który normalizuje dane przy użyciu statystyk niezawodnych dla wartości odstających przez wyśrodkowanie danych około 0 (usunięcie mediany) i skaluje dane zgodnie z zakresem kwantylu (domyślnie domyślnie jest to zakres interquartyl).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników na podstawie korelacji z kolumną `labelColumnName` .
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Utwórz element NormalizingEstimator, który normalizuje się, przypisując dane do pojemników na podstawie korelacji z kolumną `labelColumnName` .

Dotyczy