PrincipalComponentAnalyzer Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
O PCA é uma transformação de redução de dimensionalidade que calcula a projeção do vetor de recurso em um subespaço de baixa classificação.
public sealed class PrincipalComponentAnalyzer : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.PrincipalComponentAnalysisTransformer>type PrincipalComponentAnalyzer = class
interface IEstimator<PrincipalComponentAnalysisTransformer>Public NotInheritable Class PrincipalComponentAnalyzer
Implements IEstimator(Of PrincipalComponentAnalysisTransformer)- Herança
-
PrincipalComponentAnalyzer
- Implementações
Comentários
A PCA (Análise de Componente Principal) é um algoritmo de redução de dimensionalidade que calcula a projeção do vetor de recurso para um subespaço de baixa classificação. Seu treinamento é feito usando a técnica descrita no artigo: Combinando a aleatoriedade estruturada e não estruturada em PCA em grande escala e o artigo Encontrando estrutura com aleatoriedade: algoritmos probabilísticos para construir decomposições de matriz aproximadas
Para obter mais informações, consulte também:
- Métodos aleatórios para calcular a decomposição de valor singular (SVD) de matrizes muito grandes
- Um algoritmo aleatório para análise de componente principal
- Localizando estrutura com aleatoriedade: algoritmos probabilísticos para construir decomposições de matriz aproximadas
Métodos
| Nome | Description |
|---|---|
| Fit(IDataView) |
Treina e retorna um PrincipalComponentAnalysisTransformer. |
| GetOutputSchema(SchemaShape) |
Retorna o SchemaShape esquema que será produzido pelo transformador. Usado para propagação e verificação de esquema em um pipeline. |
Métodos de Extensão
| Nome | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os avaliadores downstream serão treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que têm várias passagens de dados. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o avaliador para o qual queremos obter o transformador está enterrado em algum lugar nessa cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado. |