OneHotEncodingEstimator Klasse

Definition

Namespace:: Microsoft.ML.Transforms

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:: OneHotEncoding.cs

Quelle:: OneHotEncoding.cs

Quelle:: OneHotEncoding.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.

Wandelt eine oder mehrere Eingabespalten von kategorisierten Werten in so viele Ausgabespalten von Vektoren um, die mit einem Heißcode codiert sind.

public sealed class OneHotEncodingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.OneHotEncodingTransformer>

type OneHotEncodingEstimator = class
    interface IEstimator<OneHotEncodingTransformer>

Public NotInheritable Class OneHotEncodingEstimator
Implements IEstimator(Of OneHotEncodingTransformer)

Vererbung: Object
OneHotEncodingEstimator

Implementiert: IEstimator<OneHotEncodingTransformer>

Hinweise

Schätzeigenschaften


Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren?	Yes
Eingabespaltendatentyp	Vektor oder Skalar numerischer, boolescher, Text DateTime oder Schlüsseltyp.
Ausgabespaltendatentyp	Skalar oder Schlüsselvektor oder Vektor des Typs Single .
Exportierbar in ONNX	Yes

Das OneHotEncodingEstimator Erstellt ein Wörterbuch mit eindeutigen Werten, das in der Eingabespalte angezeigt wird. Das resultierende Ergebnis OneHotEncodingTransformer konvertiert eine oder mehrere Eingabespalten in so viele Ausgabespalten von Vektoren mit nur einem Heißcode.

Dies OneHotEncodingEstimator wird häufig verwendet, um kategorisierte Daten in ein Formular zu konvertieren, das einem Machine Learning-Algorithmus zur Verfügung gestellt werden kann.

Die Ausgabe dieser Transformation wird durch OneHotEncodingEstimator.OutputKind:

Indicator erzeugt einen Indikatorvektor. Jeder Steckplatz in diesem Vektor entspricht einer Kategorie im Wörterbuch, sodass die Länge des erstellten Wörterbuchs entspricht. Wenn ein Wert im Diktat nicht gefunden wird, ist die Ausgabe der Nullvektor.
Bag erzeugt einen Vektor, sodass jeder Steckplatz die Anzahl der Vorkommen des entsprechenden Werts im Eingabevektor speichert. Jeder Steckplatz in diesem Vektor entspricht einem Wert im Wörterbuch, sodass seine Länge die Größe des integrierten Wörterbuchs ist. Indicator und Bag unterscheiden sich einfach darin, wie die aus einzelnen Steckplätzen in der Eingabespalte generierten Bitvektoren aggregiert werden: Für Indikator werden sie verkettet und für bag hinzugefügt. Wenn es sich bei der Quellspalte um einen Skalar handelt, sind die Optionen "Indikator" und "Bag" identisch.
Key erzeugt Schlüssel in einer KeyDataViewType Spalte. Wenn es sich bei der Eingabespalte um einen Vektor handelt, enthält die Ausgabe einen Vektorschlüsseltyp , wobei jeder Vektorplatz dem jeweiligen Steckplatz des Eingabevektors entspricht. Wenn eine Kategorie im Bulit-Wörterbuch nicht gefunden wird, wird ihm der Wert Null zugewiesen.
Binary erzeugt einen binärcodierten Vektor, um die Werte im Wörterbuch darzustellen, die in der Eingabespalte vorhanden sind. Wenn im Wörterbuch kein Wert in der Eingabespalte gefunden wird, ist die Ausgabe der Nullvektor.

OneHotEncodingTransformer kann auf eine oder mehrere Spalten angewendet werden, in diesem Fall erstellt und verwendet ein separates Wörterbuch für jede Spalte, auf die sie angewendet wird.

Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.

Methoden

Name	Beschreibung
Fit(IDataView)	Züge und Gibt einen OneHotEncodingTransformer.
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.

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.

Gilt für: