CountFeatureSelectingEstimator 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.
Wählt die Steckplätze aus, für die die Anzahl nicht standardmäßiger Werte größer oder gleich einem Schwellenwert ist.
public sealed class CountFeatureSelectingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.ITransformer>type CountFeatureSelectingEstimator = class
interface IEstimator<ITransformer>Public NotInheritable Class CountFeatureSelectingEstimator
Implements IEstimator(Of ITransformer)- Vererbung
-
CountFeatureSelectingEstimator
- Implementiert
Hinweise
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | Yes |
| Eingabespaltendatentyp | Vektor- oder Skalar von SingleOder DoubleTextdatentypen |
| Ausgabespaltendatentyp | Identisch mit der Eingabespalte |
| Exportierbar in ONNX | Yes |
Diese Transformation verwendet eine Reihe von Aggregatoren, um die Anzahl der Werte für jeden Steckplatz (Vektorelement) zu zählen, die nicht standardmäßig und nicht fehlen (für die Definitionen von Standard und fehlenden, siehe den Abschnitt "Hinweise" in DataKind). Wenn der Count-Wert kleiner als der angegebene Count-Parameter ist, wird dieser Steckplatz verworfen. Diese Transformation ist nützlich, wenn sie zusammen mit einer OneHotHashEncodingTransformer. Sie kann die von der Hashtransformation generierten Features entfernen, die in den Beispielen keine Daten enthalten.
Wenn wir z. B. den Count-Parameter auf 3 festlegen und den Schätzwert anpassen, wenden Sie den Transformator auf die folgende Spalte "Features" an, die den zweiten Steckplatz enthält, der folgendes enthält: NaN (fehlender Wert), 5, 5, 0 (Standardwert) werden verworfen, da dieser Steckplatz nur zwei nicht standardmäßige und nicht fehlende Werte aufweist, d. h. die beiden 5 Werte. Der dritte Steckplatz wird beibehalten, da er die Werte 6, 6, 6, NaN hat; daher ist 3 nicht standardmäßig und nicht vorhanden.
| Features |
|---|
| 4,NaN,6 |
| 4,5,6 |
| 4,5,6 |
| 4,0,NaN |
So würde das obige Dataset nach der Transformation aussehen.
| Features |
|---|
| 4;6 |
| 4;6 |
| 4;6 |
| 4,NaN |
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
Züge und Gibt einen ITransformer. |
| 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. |