ApproximatedKernelMappingEstimator Classe
Definizione
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.
Esegue il mapping delle colonne vettoriali a uno spazio di funzionalità a bassa dimensione.
public sealed class ApproximatedKernelMappingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.ApproximatedKernelTransformer>type ApproximatedKernelMappingEstimator = class
interface IEstimator<ApproximatedKernelTransformer>Public NotInheritable Class ApproximatedKernelMappingEstimator
Implements IEstimator(Of ApproximatedKernelTransformer)- Ereditarietà
-
ApproximatedKernelMappingEstimator
- Implementazioni
Commenti
Caratteristiche dello strumento di stima
| Questo stimatore deve esaminare i dati per eseguire il training dei relativi parametri? | Sì |
| Tipo di dati della colonna di input | Vettore di dimensioni note di Single |
| Tipo di dati della colonna di output | Vettore di dimensioni note di Single |
| Esportabile in ONNX | No |
Il risultato ApproximatedKernelTransformer crea una nuova colonna, denominata come specificato nei parametri del nome della colonna di output, in cui ogni vettore di input viene mappato a uno spazio di funzionalità in cui i prodotti interni approssimano una delle due funzioni del kernel maiuscole-invariante: il kernel Gaussian o il kernel Laplacian. Eseguendo il mapping delle funzionalità a uno spazio che corrisponde a kernel non lineari approssimativi, i metodi lineari possono essere usati per approssimare modelli SVM del kernel più complessi. Questo mapping si basa sulle funzionalità casuali di carta per Large-Scale macchine kernel di Rahimi e Recht.
Controllare la sezione Vedere anche i collegamenti agli esempi di utilizzo.
Metodi
| Fit(IDataView) |
Esegue il training e restituisce un ApproximatedKernelTransformeroggetto . |
| 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
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. Ciò garantisce che gli estimatori downstream vengano sottoposti a training sui dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima dei training che accettano più passaggi di dati. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dato un stimatore, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. Spesso è importante che un stimatore restituisca informazioni su ciò che è stato adatto, che è il 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> sono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di stima tramite EstimatorChain<TLastTransformer> dove lo stimatore per cui si vuole ottenere il trasformatore è sepolto da qualche parte in questa catena. Per questo scenario, è possibile collegare questo metodo a un delegato che verrà chiamato una volta chiamato fit. |