OneHotEncodingEstimator Classe

Definizione

Spazio dei nomi:: Microsoft.ML.Transforms

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:: OneHotEncoding.cs

Origine:: OneHotEncoding.cs

Origine:: OneHotEncoding.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.

Converte una o più colonne di input di valori categorici in quante colonne di output di vettori codificati a accesso frequente.

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)

Ereditarietà: Object
OneHotEncodingEstimator

Implementazioni: IEstimator<OneHotEncodingTransformer>

Commenti

Caratteristiche dello strumento di stima


Questo strumento di stima deve esaminare i dati per eseguire il training dei relativi parametri?	Yes
Tipo di dati colonna di input	Vettore o scalare di tipo numerico, booleano, DateTime testo o chiave.
Tipo di dati della colonna di output	Scalare o vettore di chiave o vettore di Single tipo .
Esportabile in ONNX	Yes

Compila OneHotEncodingEstimator un dizionario di valori univoci visualizzati nella colonna di input. L'oggetto risultante OneHotEncodingTransformer converte una o più colonne di input in quante colonne di output di vettori codificati a caldo.

Viene OneHotEncodingEstimator spesso usato per convertire i dati categorici in un modulo che può essere fornito a un algoritmo di Machine Learning.

L'output di questa trasformazione viene specificato da OneHotEncodingEstimator.OutputKind:

Indicator produce un vettore indicatore. Ogni slot in questo vettore corrisponde a una categoria nel dizionario, quindi la sua lunghezza è la dimensione del dizionario compilato. Se un valore non viene trovato nel dictioray, l'output è il vettore zero.
Bag produce un vettore in modo che ogni slot archivii il numero di occorrenze del valore corrispondente nel vettore di input. Ogni slot in questo vettore corrisponde a un valore nel dizionario, quindi la sua lunghezza è la dimensione del dizionario compilato. Indicator e Bag differiscono semplicemente nel modo in cui i vettori di bit generati dai singoli slot nella colonna di input vengono aggregati: per indicatore sono concatenati e per Bag vengono aggiunti. Quando la colonna di origine è scalare, le opzioni Indicatore e Contenitore sono identiche.
Key produce chiavi in una KeyDataViewType colonna. Se la colonna di input è un vettore, l'output contiene un tipo di chiave vettoriale, dove ogni slot del vettore corrisponde al rispettivo slot del vettore di input. Se non viene trovata una categoria nel dizionario bulit, viene assegnato il valore zero.
Binary produce un vettore con codifica binaria per rappresentare i valori trovati nel dizionario presenti nella colonna di input. Se un valore nella colonna di input non viene trovato nel dizionario, l'output è il vettore zero.

OneHotEncodingTransformer può essere applicato a una o più colonne, nel qual caso compila e usa un dizionario separato per ogni colonna a cui viene applicato.

Vedere anche la sezione Vedere anche i collegamenti agli esempi di utilizzo.

Metodi

Nome	Descrizione
Fit(IDataView)	Esegue il training e restituisce un oggetto OneHotEncodingTransformer.
GetOutputSchema(SchemaShape)	Restituisce l'oggetto SchemaShape dello schema che verrà prodotto dal trasformatore. Usato per la propagazione e la verifica dello schema in una pipeline.

Metodi di estensione

Nome	Descrizione
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. In questo modo si garantisce che gli estimatori downstream vengano sottoposti a training su dati memorizzati nella cache. È utile disporre di un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	Dato uno strumento di stima, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sulle dimensioni, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit.

Nome

Descrizione

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. In questo modo si garantisce che gli estimatori downstream vengano sottoposti a training su dati memorizzati nella cache. È utile disporre di un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Dato uno strumento di stima, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sulle dimensioni, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit.

Si applica a