Microsoft.ML 命名空間

這是一種擴展方法，用於 DnnImageFeaturizerEstimator 使用預訓練的 AlexNet 模型。 包含此副檔名的 NuGet 也保證包含二進位模型檔案。

類別用於 MLContext 建立異常偵測元件的實例，例如訓練器與評估器。

類別用於 MLContext 創建異常偵測訓練器實例。

類別 用於 MLContext 建立二元分類元件的實例，例如訓練器與校準器。

類別 用於 MLContext 建立二元分類訓練器的實例。

類別用於 MLContext 建立二元分類校準器的實例。

擴充方法集合，用於 DataOperationsCatalog 建立元件實例，以儲存並讀取 IDataView 高效能二進位格式的物件。

建立類別變換器元件的擴充方法 TransformsCatalog.CategoricalTransforms 集合。

類別用於 MLContext 建立叢集元件實例，例如 trainer。

類別 用於 MLContext 建立叢集訓練器的實例。

建立鍵到二進位向量映射變換器元件實例的擴充方法 TransformsCatalog 集合

建立資料轉換與映射變壓器元件實例的擴充方法 TransformsCatalog 集合。

包含一個擴充方法， TransformsCatalog 用於建立使用者定義的一對一列映射變換器元件實例。

集合擴充方法，用於 DataOperationsCatalog 從資料庫讀取。

類別過去用來從一個或多個檔案載入資料。

類別用於建立可操作於資料上的元件，但不屬於模型訓練管線。 包含載入、儲存、快取、過濾、洗牌及拆分資料的元件。

一列合邏輯的資料。 可能是一排的 IDataView 排，也可以是獨立的排。

類別過去會將游標移動到一列的 IDataView.

表示一個 IDataView 或一個 DataViewRow的模式。 該模式是一系列 DataViewSchema.Column。

一個 DataViewSchema.Column的結構註解。

包含運算的類別用來建構 DataViewSchema.Annotations。

包含用於建構 DataViewSchema的運算的類別。

類別用於建立用於除錯的預覽物件實例。 注意：此類別及所有方法僅用於除錯，不可用於生產程式碼。

建立模型可解釋性元件實例的擴充方法 TransformsCatalog 集合。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

所有用於擴充目的的屬性的基礎屬性類型。

建立缺失值變換器元件實例的擴充方法 TransformsCatalog 集合。

建立場感知分解訓練器元件實例的擴充方法 BinaryClassificationCatalog 集合。

建立特徵選擇變換器元件實例的擴充方法 TransformsCatalog 集合。

類別 用於 MLContext 建立預測元件的實例。

類別用於 MLContext 建立預測訓練器的實例。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

建立影像處理變壓器元件實例的擴充方法 TransformsCatalog 集合。

指定多欄操作變壓器元件的輸入與輸出欄位名稱。

建立核心方法特徵工程變換器元件實例的擴充方法 TransformsCatalog 集合。

建立 KMeans 訓練器實例的擴充方法 ClusteringCatalog.ClusteringTrainers 集合。

允許將估計器與變壓器管線串接的擴展方法。

集合了 RegressionCatalog.RegressionTrainers、 BinaryClassificationCatalog.BinaryClassificationTrainers、 RankingCatalog.RankingTrainersMulticlassClassificationCatalog.MulticlassClassificationTrainers 、 及 目錄的擴展方法。

提供 Log 事件的數據。

集合了 、 RegressionCatalog.RegressionTrainersBinaryClassificationCatalog.BinaryClassificationTrainers、 以及TransformsCatalog用於建立 MKL（數學核心函式庫）訓練器與轉換元件的擴充方法集合。

代表所有 ML.NET 操作的共同上下文。

類別用於 MLContext 儲存和載入訓練好的模型。

方便的上下文物件，用於將模型儲存到儲存庫，供實 ICanSaveModel作使用。

類別 用於 MLContext 建立多類別分類元件的實例，例如 trainer。

類別 用於 MLContext 建立多類別分類訓練器的實例。

建立數值正規化元件實例的擴充方法 TransformsCatalog 集合。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

集合了用於AnomalyDetectionCatalog.AnomalyDetectionTrainersTransformsCatalog建立主成分分析（PCA）元件實例的擴充方法及目錄。

用於建立置換特徵重要元件實例的擴展方法RegressionCatalogBinaryClassificationCatalogMulticlassClassificationCatalogRankingCatalog集合。

用於對先前訓練好的模型（及前一個轉換管線）進行單一預測的類別。

基底類別用於對先前訓練好的模型（以及前一個轉換管線）進行單一預測。

選項 PredictionEngine<TSrc,TDst>

類別 用於 MLContext 建立排名元件的實例，如訓練者與評估者。

職業 用於 MLContext 建立排名訓練家的實例。

推薦訓練師與任務的中央目錄。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

類別用於 MLContext 建立迴歸元件的實例，例如訓練器與評估器。

類別 用於 MLContext 建立迴歸訓練器的實例。

這是一種擴展方法，用於 DnnImageFeaturizerEstimator 使用預訓練的 ResNet101 模型。 包含此副檔名的 NuGet 也保證包含二進位模型檔案。

這是一種擴展方法，用於 DnnImageFeaturizerEstimator 使用預訓練的 ResNet18 模型。 包含此副檔名的 NuGet 也保證包含二進位模型檔案。

這是一種用於 DnnImageFeaturizerEstimator 預先訓練的 ResNet50 模型的擴充方法。 包含此副檔名的 NuGet 也保證包含二進位模型檔案。

一組對接收結構的需求，以及一組對出訊號結構的「承諾」。 這比 proper DataViewSchema的 寬鬆，因為它只是欄位的子集，且它沒有指定向量和鍵的精確 DataViewType'。

為 、 BinaryClassificationCatalog.BinaryClassificationTrainers、 及 MulticlassClassificationCatalog.MulticlassClassificationTrainers 建立訓練器元件實例的擴充方法RegressionCatalog.RegressionTrainers集合。

該 用於 TensorFlowTransformer 以下兩種情境。

1. 使用預訓練 TensorFlow 模型評分：在此模式下，轉換會從預訓練的 Tensorflow 模型中提取隱藏層的值，並將輸出作為 ML.Net 管線中的特徵。
2. TensorFlow 模型的重新訓練：在此模式下，轉換會利用流水線中傳遞的使用者資料 ML.Net 重新訓練 TensorFlow 模型。 一旦模型訓練完成，其輸出即可作為評分的特徵。

擴充方法集合。TransformsCatalog

集合了用於從分隔文字檔（如 csv 和 tsv）讀取的擴充方法 DataOperationsCatalog 。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

訓練師目錄的基礎類別。

的 Microsoft.ML.TrainContext 子類別會提供少量「擴充方法」可掛鉤的物件（例如 Trainers）。 使用者程式碼只會透過呼叫擴充方法來與這些物件互動。 實際的元件程式碼可以從 Microsoft.ML.Data.CatalogUtils 這個物件中取得更多「隱藏」的資訊，例如環境。

執行交叉驗證的結果。

訓練師的特質。 透過每位訓練家的資訊屬性揭露。

一系列擴充方法，用於 TransformsCatalog 建立操作欄位的轉換元件實例。

類別 用於 MLContext 建立轉換元件的實例。

類別用於 MLContext 建立類別資料轉換元件的實例。

類別 用於 MLContext 建立型別轉換資料轉換元件的實例。

類別用於 MLContext 建立特徵選擇轉換元件的實例。

類別 用於 MLContext 建立文字資料轉換元件實例。

集合由 RegressionCatalog、 BinaryClassificationCatalog、 MulticlassClassificationCatalogRankingCatalogTransformsCatalog 、 及 用於建立決策樹訓練器與特徵化器的實例的擴充方法。

建立 ImageClassification 訓練器元件實例的擴充方法 MulticlassClassificationCatalog.MulticlassClassificationTrainers 集合。

一對資料集，分別用於訓練和測試集。

此類別描述特定結構中的一欄。

此類別代表資料視圖中一個欄位的結構，且不附著於特定 DataViewSchema。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

用來將模型存入儲存庫。 實作 ICanSaveModel 的類別應該明確實作 Save(ModelSaveContext)。 繼 ICanSaveModel 承自基底類別的類別，若有基底類別，應覆寫該基底類別中所 Save(ModelSaveContext) 呼叫的函式。

「資料載入器」會將特定類型的輸入轉換成 IDataView。

有時候我們需要「擬合」一個 IDataLoader<TSource>。 DataLoader 估計器就是執行此事的物件。

查詢運算子（轉換）的輸入與輸出。 這是基本的資料管線類型， IEnumerable<T> 與 LINQ 相當。

估計器（用 Spark 術語）是一個「未訓練的變壓器」。 它必須「符合」資料才能製造變壓器。 它也提供類似變換器（transformer）的「模式傳播」，但是覆蓋在 SchemaShape 上而非 DataViewSchema。

一個能根據現場轉換資料 Microsoft.ML.IPredictor 的變壓器介面。 此介面的實作要麼沒有特徵欄，要麼有多個特徵欄，且無法實作 ISingleFeaturePredictionTransformer<TModel>大多數 ML.Net 轉換器所實作的 。

ISingleFeaturePredictionTransformer 包含 的 FeatureColumnName 名稱及其類型 FeatureColumnType。 此介面的實作能 IDataView 透過 Transform(IDataView)

變換器是一個用來轉換資料的元件。 它也支援「結構傳播」，以回答「轉換後，使用這個架構的資料會呈現什麼樣子？」這個問題。

ML.NET 的主要命名空間。 包含應用與操作上下文、轉換器與訓練器目錄，以及用於資料檢視處理的元件。

委託類型以取得價值。 這可用於有效存取 a 或 DataViewRowCursor中的資料DataViewRow。