OneHotHashEncodingEstimator 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.
Converte uma ou mais colunas de entrada de valores categóricos em tantas colunas de saída de vetores codificados one-hot baseados em hash.
public sealed class OneHotHashEncodingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.OneHotHashEncodingTransformer>type OneHotHashEncodingEstimator = class
interface IEstimator<OneHotHashEncodingTransformer>Public NotInheritable Class OneHotHashEncodingEstimator
Implements IEstimator(Of OneHotHashEncodingTransformer)- Herança
-
OneHotHashEncodingEstimator
- Implementações
Comentários
Características do avaliador
| Esse avaliador precisa examinar os dados para treinar seus parâmetros? | Yes |
| Tipo de dados de coluna de entrada | Escalar ou vetor de tipo numérico, booliano, texto ou chave . |
| Tipo de dados de coluna de saída | Escalar ou vetor de chave ou vetor do Single tipo. |
| Exportável para ONNX | No |
O resultado OneHotEncodingTransformer converte uma ou mais colunas de entrada em tantas colunas de saída de vetores codificados de um hot, em que a indexação é feita com hash do valor e usando o hash como um índice.
Geralmente OneHotEncodingEstimator , os dados categóricos são usados para converter dados categóricos em um formulário que pode ser fornecido para um algoritmo de aprendizado de máquina.
A saída dessa transformação é especificada por OneHotEncodingEstimator.OutputKind:
Indicator produz um vetor indicador. Cada slot nesse vetor corresponde a uma categoria no dicionário, portanto, seu comprimento é do tamanho do dicionário compilado. Se um valor não for encontrado no dicionário, a saída será o vetor zero.
Bag produz um vetor de modo que cada slot armazene o número de ocorrências do valor correspondente no vetor de entrada. Cada slot nesse vetor corresponde a um valor no dicionário, portanto, seu tamanho é do tamanho do dicionário compilado. Indicator e Bag diferem simplesmente em como os vetores de bit gerados de slots individuais na coluna de entrada são agregados: para Indicador, eles são concatenados e, para Bag, são adicionados. Quando a coluna de origem é escalar, as opções Indicador e Recipiente são idênticas.
Key produz chaves em uma KeyDataViewType coluna. Se a coluna de entrada for um vetor, a saída conterá um tipo de chave de vetor, em que cada slot do vetor corresponde ao respectivo slot do vetor de entrada. Se uma categoria não for encontrada no dicionário interno, ela será atribuída ao valor zero.
Binary produz um vetor codificado binário para representar os valores encontrados no dicionário que estão presentes na coluna de entrada. Se um valor na coluna de entrada não for encontrado no dicionário, a saída será o vetor zero.
O OneHotEncodingTransformer pode ser aplicado a uma ou mais colunas, nesse caso, ele cria e usa um dicionário separado para cada coluna à qual ele é aplicado.
Verifique a seção Consulte Também para obter links para exemplos de uso.
Métodos
| Nome | Description |
|---|---|
| Fit(IDataView) |
Treina e retorna um OneHotHashEncodingTransformer. |
| 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. |