NormalizationCatalog Classe

Definizione

Spazio dei nomi:: Microsoft.ML

Assembly:: Microsoft.ML.Transforms.dll

Pacchetto:: Microsoft.ML v4.0.1

Pacchetto:: Microsoft.ML v1.0.0

Pacchetto:: Microsoft.ML v1.1.0

Pacchetto:: Microsoft.ML v1.2.0

Pacchetto:: Microsoft.ML v1.3.1

Pacchetto:: Microsoft.ML v1.4.0

Pacchetto:: Microsoft.ML v1.5.5

Pacchetto:: Microsoft.ML v1.6.0

Pacchetto:: Microsoft.ML v1.7.0

Pacchetto:: Microsoft.ML v2.0.1

Pacchetto:: Microsoft.ML v3.0.1

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

Origine:: NormalizerCatalog.cs

Origine:: NormalizerCatalog.cs

Origine:: NormalizerCatalog.cs

Importante

Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.

Raccolta di metodi di estensione per TransformsCatalog la creazione di istanze di componenti di normalizzazione numerici.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Ereditarietà: Object
NormalizationCatalog

Metodi

Nome	Descrizione
NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori con densità uguale.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori con densità uguale.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Creare un GlobalContrastNormalizingEstimatoroggetto , che normalizza le colonne singolarmente applicando la normalizzazione del contrasto globale. Se si imposta `ensureZeroMean` su `true`, verrà applicato un passaggio di pre-elaborazione per fare in modo che la media della colonna specificata sia il vettore zero.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza del logaritmo dei dati.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Creare un LpNormNormalizingEstimatoroggetto , che normalizza i vettori (scale) nella colonna di input alla norma dell'unità. Il tipo di norma utilizzato è definito da `norm`. Se si imposta `ensureZeroMean` su `true`, verrà applicato un passaggio di pre-elaborazione per fare in modo che la media della colonna specificata sia un vettore zero.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza dei dati.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base alla media calcolata e alla varianza dei dati.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base ai valori minimi e massimi osservati dei dati.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Creare un NormalizingEstimatoroggetto , che normalizza in base ai valori minimi e massimi osservati dei dati.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Creare un NormalizingEstimatoroggetto , che normalizza l'uso di statistiche affidabili per gli outlier centrando i dati intorno a 0 (rimuovendo la median) e ridimensiona i dati in base all'intervallo quantile (per impostazione predefinita viene impostato sull'intervallo interquartile).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Creare un NormalizingEstimatoroggetto , che normalizza l'uso di statistiche affidabili per gli outlier centrando i dati intorno a 0 (rimuovendo la median) e ridimensiona i dati in base all'intervallo quantile (per impostazione predefinita viene impostato sull'intervallo interquartile).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori in base alla correlazione con la `labelColumnName` colonna.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Creare un NormalizingEstimatoroggetto , che normalizza assegnando i dati in contenitori in base alla correlazione con la `labelColumnName` colonna.

Si applica a