LpNormNormalizingEstimator Klasa
Definicja
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.
Normalizuje (skaluje) wektory w kolumnie wejściowej do normy jednostkowej. Typ używanej normy może być określony przez użytkownika.
public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBasetype LpNormNormalizingEstimator = class
inherit LpNormNormalizingEstimatorBasePublic NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase- Dziedziczenie
-
LpNormNormalizingEstimator
Uwagi
Charakterystyka narzędzia do szacowania
| Czy ten narzędzie do szacowania musi przyjrzeć się danym, aby wytrenować jego parametry? | No |
| Typ danych kolumny wejściowej | Wektor Single |
| Typ danych kolumny wyjściowej | Wektor Single |
| Możliwość eksportowania do ONNX | Yes |
Wynikowe LpNormNormalizingTransformer normalizuje wektory w kolumnie wejściowej indywidualnie przez ponowne skalowanie ich do normy jednostkowej.
Niech $x$ jako wektor wejściowy, $n$ rozmiar wektora, $L(x)$ funkcja norm wybrana przez użytkownika. Niech $\mu(x) = \sum_i x_i / n$ być średnią wartości wektora $x$. Wykonuje LpNormNormalizingTransformer następującą operację na każdym wektorze wejściowym $x$: $y = \frac{x - \mu(x)}{L(x)}$ jeśli użytkownik określa, że średnia powinna mieć wartość zero lub w inny sposób: $y = \frac{x}{L(x)}$
Istnieją cztery typy norm, które można wybrać przez użytkownika do zastosowania w wektorze wejściowym $x$. Są one zdefiniowane w następujący sposób:
- L1: $L_1(x) = \sum_i |x_i|$
- L2: $L_2(x) = \sqrt{\sum_i x_i^2}$
- Infinity: $L_{\infty}(x) = \max_i{|x_i|}$
- StandardDeviation: $L_\sigma(x)$ jest definiowany jako odchylenie standardowe elementów wektora wejściowego $x$
Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.
Metody
| Nazwa | Opis |
|---|---|
| Fit(IDataView) |
Normalizuje (skaluje) wektory w kolumnie wejściowej do normy jednostkowej. Typ używanej normy może być określony przez użytkownika. (Odziedziczone po TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
SchemaShape Zwraca schemat, który zostanie wygenerowany przez transformator. Służy do propagacji schematu i weryfikacji w potoku. (Odziedziczone po LpNormNormalizingEstimatorBase) |
Metody rozszerzania
| Nazwa | Opis |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane z buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejdą wiele danych. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólne ITransformer. Jednak w tym samym czasie IEstimator<TTransformer> są często tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który będzie wywoływany po wywołaniu dopasowania. |