Microsoft.ML Spazio dei nomi

Si tratta di un metodo di estensione da usare con DnnImageFeaturizerEstimator per usare un modello AlexNet con training preliminare. NuGet che contiene questa estensione è garantita anche l'inclusione del file di modello binario.

Classe usata da MLContext per creare istanze di componenti di rilevamento anomalie, ad esempio trainer e analizzatori.

Classe usata da MLContext per creare istanze di trainer di rilevamento anomalie.

Classe usata da MLContext per creare istanze di componenti di classificazione binaria, ad esempio trainer e calibratori.

Classe usata da MLContext per creare istanze di trainer di classificazione binaria.

Classe usata da MLContext per creare istanze di calibratori di classificazione binaria.

Raccolta di metodi di estensione per DataOperationsCatalog la creazione di istanze di componenti in cui salvare e leggere IDataView oggetti da e verso un formato binario ad alte prestazioni.

Raccolta di metodi di estensione per TransformsCatalog.CategoricalTransforms la creazione di componenti trasformatori categorici.

Classe usata da MLContext per creare istanze di componenti di clustering, ad esempio i trainer.

Classe usata da MLContext per creare istanze di trainer di clustering.

Raccolta di metodi di estensione per TransformsCatalog la creazione di istanze di chiave a componenti del trasformatore di mapping del vettore binario

Raccolta di metodi di estensione per TransformsCatalog creare istanze di componenti trasformatori di conversione e mapping dei dati.

Classe contenente un metodo di estensione per TransformsCatalog creare istanze dei componenti del trasformatore di mapping di riga uno-a-uno definiti dall'utente.

Raccolta di metodi di estensione per l'oggetto DataOperationsCatalog da leggere dai database.

Classe usata per caricare i dati da uno o più file.

Classe usata per creare componenti che operano sui dati, ma non fanno parte della pipeline di training del modello. Include i componenti per caricare, salvare, memorizzare nella cache, filtrare, riassegnare casualmente e suddividere i dati.

Riga logica di dati. Può essere una riga di una IDataView riga o una riga autonoma.

Classe usata per eseguire il cursore tra righe di un oggetto IDataView.

Rappresenta lo schema di un oggetto IDataView o .DataViewRow Lo schema è una raccolta di DataViewSchema.Column.

Annotazioni dello schema di un oggetto DataViewSchema.Column.

Classe contenente operazioni per compilare un oggetto DataViewSchema.Annotations.

Classe contenente operazioni per la compilazione di un oggetto DataViewSchema.

Classe usata per creare istanze di oggetti di anteprima per il debug. Nota: questa classe e tutti i metodi devono essere usati solo per il debug e non nel codice di produzione.

Raccolta di metodi di estensione per TransformsCatalog la creazione di istanze dei componenti di spiegazione del modello.

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Tipo di attributo di base per tutti gli attributi utilizzati per scopi di estendibilità.

Raccolta di metodi di estensione per TransformsCatalog la creazione di istanze dei componenti del trasformatore di valore mancanti.

Raccolta di metodi di estensione per la BinaryClassificationCatalog creazione di istanze di componenti del formatore di factorizzazione compatibile con i campi.

Raccolta di metodi di estensione per TransformsCatalog la creazione di istanze dei componenti trasformatori di selezione delle caratteristiche.

Classe usata da MLContext per creare istanze dei componenti di previsione.

Classe usata da MLContext per creare istanze di trainer di previsione.

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Raccolta di metodi di estensione per TransformsCatalog la creazione di istanze dei componenti trasformatori di elaborazione delle immagini.

Specifica i nomi delle colonne di input e di output per i componenti trasformatori che operano su più colonne.

Raccolta di metodi di estensione per TransformsCatalog creare istanze dei componenti del trasformatore di progettazione delle funzionalità del metodo kernel.

Raccolta di metodi di estensione per la ClusteringCatalog.ClusteringTrainers creazione di istanze di trainer KMeans.

Metodi di estensione che consentono il concatenamento di pipeline di stima e trasformatore.

Raccolta di metodi di estensione per i RegressionCatalog.RegressionTrainerscataloghi , BinaryClassificationCatalog.BinaryClassificationTrainers, RankingCatalog.RankingTrainerse MulticlassClassificationCatalog.MulticlassClassificationTrainers .

Fornisce dati per l'evento Log.

Raccolta di metodi di estensione per RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerse TransformsCatalog per creare componenti di training e trasformazione MKL (Math Kernel Library).

Rappresenta il contesto comune per tutte le operazioni di ML.NET.

Classe usata da MLContext per salvare e caricare i modelli sottoposti a training.

Oggetto contesto pratico per il salvataggio dei modelli in un repository, per gli implementatori di ICanSaveModel.

Classe usata da MLContext per creare istanze di componenti di classificazione multiclasse, ad esempio i formatori.

Classe usata da MLContext per creare istanze di trainer di classificazione multiclasse.

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

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Raccolta di metodi di estensione usati dai AnomalyDetectionCatalog.AnomalyDetectionTrainerscataloghi e TransformsCatalog per creare istanze dei componenti di Analisi dei componenti principale (PCA).

Raccolta di metodi di estensione usati da RegressionCatalog, BinaryClassificationCatalogMulticlassClassificationCatalog, e RankingCatalog per creare istanze di componenti di importanza della funzionalità di permutazione.

Classe per eseguire singole stime su un modello sottoposto a training in precedenza (e la pipeline di trasformazione precedente).

Classe di base per eseguire singole stime su un modello con training precedente (e la pipeline di trasformazione precedente).

Opzioni per il PredictionEngine<TSrc,TDst>

Classe usata da MLContext per creare istanze di componenti di classificazione, ad esempio i formatori e gli analizzatori.

Classe usata da MLContext per creare istanze di trainer di classificazione.

Catalogo centrale per i formatori e le attività di raccomandazione.

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Classe usata da MLContext per creare istanze di componenti di regressione, ad esempio trainer e analizzatori.

Classe usata da MLContext per creare istanze di trainer di regressione.

Si tratta di un metodo di estensione da usare con DnnImageFeaturizerEstimator per usare un modello ResNet101 con training preliminare. NuGet che contiene questa estensione è garantita anche l'inclusione del file di modello binario.

Si tratta di un metodo di estensione da usare con DnnImageFeaturizerEstimator per usare un modello ResNet18 con training preliminare. NuGet che contiene questa estensione è garantita anche l'inclusione del file di modello binario.

Si tratta di un metodo di estensione da usare con DnnImageFeaturizerEstimator per usare un modello ResNet50 con training preliminare. NuGet che contiene questa estensione è garantita anche l'inclusione del file di modello binario.

Set di "requisiti" per lo schema in ingresso, nonché un set di "promesse" dello schema in uscita. Questo è più rilassato rispetto al corretto DataViewSchema, poiché è solo un subset delle colonne, e anche perché non specifica esattamente DataViewType's per vettori e chiavi.

Raccolta di metodi di estensione per RegressionCatalog.RegressionTrainers, BinaryClassificationCatalog.BinaryClassificationTrainerse MulticlassClassificationCatalog.MulticlassClassificationTrainers per creare istanze di componenti di training.

Viene TensorFlowTransformer usato nei due scenari seguenti.

1. Assegnazione dei punteggi con il modello TensorFlow con training preliminare: in questa modalità, la trasformazione estrae i valori dei livelli nascosti da un modello Tensorflow con training preliminare e usa gli output come funzionalità nella pipeline ML.Net.
2. Ripetizione del training del modello TensorFlow : in questa modalità, la trasformazione ripete il training di un modello TensorFlow usando i dati utente passati attraverso ML.Net pipeline. Dopo aver eseguito il training del modello, gli output possono essere usati come funzionalità per l'assegnazione dei punteggi.

Raccolta di metodi di estensione per .TransformsCatalog

Raccolta di metodi di estensione per la DataOperationsCatalog lettura da file di testo delimitati, ad esempio csv e tsv.

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Classe di base per i cataloghi di trainer.

Le sottoclassi di Microsoft.ML.TrainContext fornirà piccoli oggetti associabili "metodo di estensione", ad esempio qualcosa di simile Trainersa . Il codice utente interagirà solo con questi oggetti richiamando i metodi di estensione. Il codice del componente effettivo può essere usato Microsoft.ML.Data.CatalogUtils per ottenere informazioni più "nascoste" da questo oggetto, ad esempio l'ambiente.

Risultati dell'esecuzione della convalida incrociata.

Caratteristiche di un trainer. Esposto tramite la proprietà Info di ogni trainer.

Raccolta di metodi di estensione per TransformsCatalog per creare istanze di componenti di trasformazione che modificano le colonne.

Classe usata da MLContext per creare istanze di componenti di trasformazione.

Classe usata da MLContext per creare istanze di componenti di trasformazione dei dati categorici.

Classe utilizzata da MLContext per creare istanze di componenti di trasformazione dei dati di conversione dei tipi.

Classe usata da MLContext per creare istanze dei componenti di trasformazione della selezione delle funzionalità.

Classe utilizzata da MLContext per creare istanze di componenti di trasformazione dati di testo.

Raccolta di metodi di estensione usati da RegressionCatalog, BinaryClassificationCatalogMulticlassClassificationCatalog, RankingCatalog, e TransformsCatalog per creare istanze di trainer e strumenti di definizione dell'albero delle decisioni.

Raccolta di metodi di estensione per MulticlassClassificationCatalog.MulticlassClassificationTrainers la creazione di istanze dei componenti del formatore ImageClassification.

Coppia di set di dati, per il training e il set di test.

Questa classe descrive una colonna nello schema specifico.

Questa classe rappresenta lo schema di una colonna di una vista dati, senza un allegato a un particolare DataViewSchemaoggetto .

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Per salvare un modello in un repository. Le classi che implementano ICanSaveModel devono eseguire un'implementazione esplicita di Save(ModelSaveContext). Le classi che ICanSaveModel ereditano da una classe base devono sovrascrivere la funzione richiamata da Save(ModelSaveContext) in tale classe di base, se presente.

Il "caricatore di dati" accetta un determinato tipo di input e lo trasforma in .IDataView

A volte è necessario "adattarsi" a un oggetto IDataLoader<TSource>. Uno strumento di stima DataLoader è l'oggetto che lo esegue.

Input e output degli operatori di query (trasformazioni). Si tratta del tipo di pipeline di dati fondamentale, paragonabile a IEnumerable<T> per LINQ.

Lo strumento di stima (nella terminologia spark) è un "trasformatore senza training". Deve "adattarsi" ai dati per produrre un trasformatore. Fornisce anche la "propagazione dello schema" come i trasformatori, ma invece SchemaShape di DataViewSchema.

Interfaccia per tutti i trasformatori in grado di trasformare i dati in base al Microsoft.ML.IPredictor campo. Le implementazioni di questa interfaccia non dispongono di alcuna colonna di funzionalità o hanno più colonne di funzionalità e non possono implementare , ISingleFeaturePredictionTransformer<TModel>che la maggior parte delle ML.Net implementazione della tranformer.

Un oggetto ISingleFeaturePredictionTransformer contiene il nome di e il FeatureColumnName relativo tipo, FeatureColumnType. Le implementazioni di questa interfaccia hanno la possibilità di assegnare un punteggio ai dati di un input IDataView tramite Transform(IDataView)

Il trasformatore è un componente che trasforma i dati. Supporta anche la "propagazione dello schema" per rispondere alla domanda "come verranno esaminati i dati con questo schema, dopo averlo trasformato?".

Spazio dei nomi principale per ML.NET. Contiene contesti di applicazione e operazioni, cataloghi di trasformatori e trainer e componenti per l'elaborazione della vista dati.

Tipo delegato per ottenere un valore. Può essere usato per un accesso efficiente ai dati in un DataViewRow oggetto o DataViewRowCursor.