TransformsCatalog Класс

Список операций с категориальными данными.

Список операций преобразования типов данных.

Список операций для выбора функций на основе некоторых критериев.

Список операций обработки текстовых данных.

OnnxScoringEstimator Создайте с помощью указанногоOnnxOptions. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к входному столбцу. Входные и выходные столбцы определяются на основе входных и выходных столбцов предоставленной модели ONNX. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к входному столбцу. Входные и выходные столбцы определяются на основе входных и выходных столбцов предоставленной модели ONNX. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к входному столбцу. Входные и выходные столбцы определяются на основе входных и выходных столбцов предоставленной модели ONNX. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к входному столбцу. Входные и выходные столбцы определяются на основе входных и выходных столбцов предоставленной модели ONNX. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к столбцуinputColumnName. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к столбцуinputColumnName. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к столбцуinputColumnName. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

OnnxScoringEstimatorСоздайте объект, который применяет предварительно обученную модель Onnx к столбцуinputColumnName. Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

Создайте объект OnnxScoringEstimator, который применяет предварительно обученную модель Onnx к столбцам inputColumnNames . Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

Создайте объект OnnxScoringEstimator, который применяет предварительно обученную модель Onnx к столбцам inputColumnNames . Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

Создайте объект OnnxScoringEstimator, который применяет предварительно обученную модель Onnx к столбцам inputColumnNames . Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

Создайте объект OnnxScoringEstimator, который применяет предварительно обученную модель Onnx к столбцам inputColumnNames . Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

Создайте объект OnnxScoringEstimator, который применяет предварительно обученную модель Onnx к столбцам inputColumnNames . Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

Создайте объект OnnxScoringEstimator, который применяет предварительно обученную модель Onnx к столбцам inputColumnNames . Ознакомьтесь OnnxScoringEstimator с дополнительными сведениями о необходимых зависимостях и о том, как его запустить на GPU.

ApproximatedKernelMappingEstimator Создайте входные векторы с низкомерным пространством признаков, где внутренние продукты приблизит функцию ядра shift-инвариантной.

FeatureContributionCalculatingEstimator Создайте оценку вклада для конкретной модели для каждой функции входного вектора.

FeatureContributionCalculatingEstimator Создайте оценку вклада для конкретной модели для каждой функции входного вектора. Поддерживает модели калибровки.

ColumnConcatenatingEstimatorСоздайте , который объединяет один или несколько входных столбцов в новый выходной столбец.

ImageGrayscalingEstimatorСоздайте изображение, которое преобразует изображения в столбце, указанном InputColumnName в изображениях серого масштаба в новом столбце: OutputColumnName

VectorToImageConvertingEstimatorСоздайте изображение из данных из столбца, указанного в inputColumnName новом столбце: outputColumnName

ColumnCopyingEstimatorСоздайте объект, который копирует данные из столбца, указанного в inputColumnName новом столбце: outputColumnName

CustomMappingEstimator<TSrc,TDst>Создайте , которое применяет настраиваемое сопоставление входных столбцов с выходными столбцами.

Создание SrCnnAnomalyEstimator, которое обнаруживает аномалии времени с помощью алгоритма SRCNN.

Создание SsaChangePointEstimator, которое прогнозирует точки изменения в временных рядах с помощью анализа сингулярного спектра (SSA).

Создание SsaChangePointEstimator, которое прогнозирует точки изменения в временных рядах с помощью анализа сингулярного спектра (SSA).

Создание IidChangePointEstimator, которое прогнозирует точки изменения в независимых распределенных (i.i.d.) временных рядов на основе адаптивной оценки плотности ядра и оценки мартингала.

Создание IidChangePointEstimator, которое прогнозирует точки изменения в независимых распределенных (i.i.d.) временных рядов на основе адаптивной оценки плотности ядра и оценки мартингала.

Создание IidSpikeEstimator, которое прогнозирует пики независимо распределенных (i.i.d.) временных рядов на основе адаптивной оценки плотности ядра и показателей мартингала.

Создание IidSpikeEstimator, которое прогнозирует пики независимо распределенных (i.i.d.) временных рядов на основе адаптивной оценки плотности ядра и показателей мартингала.

СозданиеSsaSpikeEstimator, которое прогнозирует пики временных рядов с помощью анализа сингулярного спектра (SSA).

СозданиеSsaSpikeEstimator, которое прогнозирует пики временных рядов с помощью анализа сингулярного спектра (SSA).

Создание DnnImageFeaturizerEstimator, которое применяет одну из предварительно обученных моделей DNN для DnnImageModelSelector создания изображения.

ColumnSelectingEstimatorСоздайте объект, который удаляет заданный список столбцов из.IDataView Любой столбец, не указанный, будет поддерживаться в выходных данных.

Создает объект ExpressionEstimator.

ImagePixelExtractingEstimatorСоздайте , который извлекает значения пикселей из данных, указанных в столбце: inputColumnName в новый столбец: outputColumnName

Создание FastForestBinaryFeaturizationEstimator, которое используется FastForestBinaryTrainer для обучения TreeEnsembleModelParameters для создания функций на основе дерева.

Создание FastForestRegressionFeaturizationEstimator, которое используется FastForestRegressionTrainer для обучения TreeEnsembleModelParameters для создания функций на основе дерева.

Создание FastTreeBinaryFeaturizationEstimator, которое используется FastTreeBinaryTrainer для обучения TreeEnsembleModelParameters для создания функций на основе дерева.

Создание FastTreeRankingFeaturizationEstimator, которое используется FastTreeRankingTrainer для обучения TreeEnsembleModelParameters для создания функций на основе дерева.

Создание FastTreeRegressionFeaturizationEstimator, которое используется FastTreeRegressionTrainer для обучения TreeEnsembleModelParameters для создания функций на основе дерева.

Создание FastTreeTweedieFeaturizationEstimator, которое используется FastTreeTweedieTrainer для обучения TreeEnsembleModelParameters для создания функций на основе дерева.

Создание PretrainedTreeFeaturizationEstimator, которое создает функции на основе дерева, заданные TreeEnsembleModelParameters.

MissingValueIndicatorEstimatorСоздайте объект, который копирует данные из столбца, указанного в InputColumnName новом столбце: OutputColumnName

MissingValueIndicatorEstimatorСоздайте объект, который сканирует данные из столбца, указанного в inputColumnName столбце, и заполняет новый столбец, указанный в outputColumnName векторе логических значений, где i-th bool имеет значениеtrue, если элемент i-th в данных столбца не имеет значения и в false противном случае.

ImageLoadingEstimatorСоздайте объект, который загружает данные из столбца, указанного в inputColumnName виде изображения, в новый столбец: outputColumnName

ImageLoadingEstimatorСоздайте объект, который загружает данные из столбца, указанного в inputColumnName виде изображения необработанных байтов, в новый столбец: outputColumnName

NormalizingEstimatorСоздайте объект, нормализующийся путем назначения данных в ячейки с равной плотностью.

NormalizingEstimatorСоздайте объект, нормализующийся путем назначения данных в ячейки с равной плотностью.

GlobalContrastNormalizingEstimatorСоздайте объект, который нормализует столбцы по отдельности, применяя нормализацию глобальной контрастности. Параметр применит шаг предварительной обработки, чтобы среднее значение указанного столбца было нулевым вектором.

NormalizingEstimatorСоздайте объект, нормализующийся на основе вычисленного среднего и дисперсии логарифма данных.

NormalizingEstimatorСоздайте объект, нормализующийся на основе вычисленного среднего и дисперсии логарифма данных.

NormalizingEstimatorСоздайте объект, нормализующийся на основе вычисленного среднего и дисперсии логарифма данных.

NormalizingEstimatorСоздайте объект, нормализующийся на основе вычисленного среднего и дисперсии логарифма данных.

Создайте векторы LpNormNormalizingEstimator, нормализующие (масштабы) в входном столбце норму единицы. Тип норм, используемый, normопределяется . Параметр применит шаг предварительной обработки, чтобы среднее значение указанного столбца было нулевым вектором.

NormalizingEstimatorСоздайте объект, нормализующийся на основе вычисленного среднего и дисперсии данных.

NormalizingEstimatorСоздайте объект, нормализующийся на основе вычисленного среднего и дисперсии данных.

NormalizingEstimatorСоздайте объект, нормализующийся на основе наблюдаемых минимальных и максимальных значений данных.

NormalizingEstimatorСоздайте объект, нормализующийся на основе наблюдаемых минимальных и максимальных значений данных.

NormalizingEstimatorСоздайте , который нормализует использование статистики, которая надежна для выпадания, центрируя данные около 0 (удаляя медиану) и масштабирует данные в соответствии с диапазоном квантиль (по умолчанию используется межквартильный диапазон).

NormalizingEstimatorСоздайте , который нормализует использование статистики, которая надежна для выпадания, центрируя данные около 0 (удаляя медиану) и масштабирует данные в соответствии с диапазоном квантиль (по умолчанию используется межквартильный диапазон).

NormalizingEstimatorСоздайте объект, нормализующийся путем назначения данных в ячейки на основе корреляции с столбцомlabelColumnName.

NormalizingEstimatorСоздайте объект, нормализующийся путем назначения данных в ячейки на основе корреляции с столбцомlabelColumnName.

Инициализирует новый экземпляр PrincipalComponentAnalyzer.

ColumnCopyingEstimatorСоздайте объект, который копирует данные из столбца, указанного в InputColumnName новом столбце, OutputColumnName и заменяет отсутствующие значения в нем в соответствии с replacementMode.

MissingValueReplacingEstimatorСоздайте объект, который копирует данные из столбца, указанного в inputColumnName новом столбце, outputColumnName и заменяет отсутствующие значения в нем в соответствии с replacementMode.

ImageResizingEstimatorСоздайте объект, который изменяет размер изображения из столбца, указанного в inputColumnName новом столбце: outputColumnName

ColumnSelectingEstimatorСоздайте объект, который сохраняет заданный список столбцов в списке IDataView и удаляет другие столбцы.

ColumnSelectingEstimatorСоздайте объект, который сохраняет заданный список столбцов в списке IDataView и удаляет другие столбцы.

StatefulCustomMappingEstimator<TSrc,TDst,TState>Создайте объект, который применяет настраиваемое сопоставление входных столбцов с выходными столбцами, разрешая состояние каждого курсора.

Принимает столбец, заполненный вектором случайных переменных с известной матрицей ковариации, в набор новых переменных, ковариация которых является матрицей удостоверений, то есть они некоррелируются, и каждая из них имеет дисперсию 1.