NormalizationCatalog Klasse

Definition

Namespace:: Microsoft.ML

Assembly:: Microsoft.ML.Transforms.dll

Paket:: Microsoft.ML v4.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.1

Paket:: Microsoft.ML v3.0.1

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

Quelle:: NormalizerCatalog.cs

Quelle:: NormalizerCatalog.cs

Quelle:: NormalizerCatalog.cs

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Sammlung von Erweiterungsmethoden zum TransformsCatalog Erstellen von Instanzen numerischer Normalisierungskomponenten.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Vererbung: Object
NormalizationCatalog

Methoden

Name	Beschreibung
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Erstellen Sie eine NormalizingEstimator, die normalisiert wird, indem Sie die Daten in Containern mit gleicher Dichte zuweisen.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Erstellen Sie eine NormalizingEstimator, die normalisiert wird, indem Sie die Daten in Containern mit gleicher Dichte zuweisen.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Erstellen Sie eine GlobalContrastNormalizingEstimator, die Spalten einzeln normalisiert, wobei die normalisierung des globalen Kontrasts angewendet wird. Die Einstellung `ensureZeroMean` auf `true`, wendet einen Vorverarbeitungsschritt an, um den Mittelwert der angegebenen Spalte als Nullvektor festzulegen.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz des Logarithmus der Daten normalisiert.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Erstellen Sie einen Vektor , der Vektoren in der Eingabespalte auf die Einheitsnorm normalisiert .Create a LpNormNormalizingEstimator, which normalizes (scales) vectors in the input column to the unit norm. Die Art der verwendeten Norm wird durch `norm`definiert. Die Einstellung `ensureZeroMean` auf `true`, wendet einen Vorverarbeitungsschritt an, um den Mittelwert der angegebenen Spalte als Nullvektor festzulegen.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz der Daten normalisiert.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Erstellen Sie eine NormalizingEstimator, die basierend auf dem berechneten Mittelwert und der Varianz der Daten normalisiert.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Erstellen Sie ein NormalizingEstimator, das basierend auf den beobachteten Mindest- und Höchstwerten der Daten normalisiert wird.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Erstellen Sie ein NormalizingEstimator, das basierend auf den beobachteten Mindest- und Höchstwerten der Daten normalisiert wird.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Erstellen Sie eine NormalizingEstimator, die mithilfe von Statistiken normalisiert wird, die robust für Ausreißer sind, indem Sie die Daten um 0 zentrieren (entfernen des Medians) und die Daten entsprechend dem Quantilebereich skalieren (Standardwert für den Interquartilbereich).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Erstellen Sie eine NormalizingEstimator, die mithilfe von Statistiken normalisiert wird, die robust für Ausreißer sind, indem Sie die Daten um 0 zentrieren (entfernen des Medians) und die Daten entsprechend dem Quantilebereich skalieren (Standardwert für den Interquartilbereich).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Erstellen Sie eine NormalizingEstimator, die normalisiert wird, indem Sie die Daten basierend auf der Korrelation mit der `labelColumnName` Spalte in Containern zuweisen.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Erstellen Sie eine NormalizingEstimator, die normalisiert wird, indem Sie die Daten basierend auf der Korrelation mit der `labelColumnName` Spalte in Containern zuweisen.

Gilt für: