ApproximatedKernelMappingEstimator Klasse
Definition
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.
Ordnet Vektorspalten einem niedrigen -dimensional Featurebereich zu.
public sealed class ApproximatedKernelMappingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.ApproximatedKernelTransformer>type ApproximatedKernelMappingEstimator = class
interface IEstimator<ApproximatedKernelTransformer>Public NotInheritable Class ApproximatedKernelMappingEstimator
Implements IEstimator(Of ApproximatedKernelTransformer)- Vererbung
-
ApproximatedKernelMappingEstimator
- Implementiert
Hinweise
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | Yes |
| Eingabespaltendatentyp | Vektor bekannter Größe von Single |
| Ausgabespaltendatentyp | Vektor bekannter Größe von Single |
| Exportierbar in ONNX | No |
Das Resultierende ApproximatedKernelTransformer erstellt eine neue Spalte, die gemäß der Angabe in den Parametern für die Ausgabespalte benannt wird, wobei jeder Eingabevektor einem Featurebereich zugeordnet wird, in dem innere Produkte eine von zwei shift-invariant Kernel-Funktionen annähern: der gaussische Kernel oder der Laplacian-Kernel. Durch die Zuordnung von Features zu einem Raum, der nicht lineare Kernel annähert, können lineare Methoden verwendet werden, um komplexere Kernel-SVM-Modelle anzunähern. Diese Zuordnung basiert auf dem Papier Random Features for Large-Scale Kernel Machines von Rahimi und Recht.
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
Züge und Gibt einen ApproximatedKernelTransformer. |
| GetOutputSchema(SchemaShape) |
Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet. |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Zwischenspeicherprüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das eine Stellvertretung aufruft, sobald Fit(IDataView) sie aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen zu dem, was passt, zurückgeben, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt und nicht nur ein allgemeines ITransformerObjekt zurückgibt. IEstimator<TTransformer> Gleichzeitig werden jedoch oft in Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern bauen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten wollen, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode einen Delegat anfügen, der aufgerufen wird, sobald "Fit" aufgerufen wird. |