LpNormNormalizingEstimator Класс
Определение
Важно!
Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.
Нормализует (масштабы) в входном столбце в норме единицы. Тип используемой нормы может быть указан пользователем.
public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBasetype LpNormNormalizingEstimator = class
inherit LpNormNormalizingEstimatorBasePublic NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase- Наследование
-
LpNormNormalizingEstimator
Комментарии
Характеристики оценщика
| Должен ли этот оценщик просмотреть данные для обучения его параметров? | нет |
| Тип данных входного столбца | Вектор Single |
| Тип данных выходного столбца | Вектор Single |
| Экспортируемый в ONNX | Да |
LpNormNormalizingTransformer Полученный результат нормализует векторы во входном столбце по отдельности, изменив их на норму единицы.
Позвольте $x$ входным вектором, $n$ размер вектора, $L(x)$ нормовой функции, выбранной пользователем. Пусть $\mu(x) = \sum_i x_i / n$ будет среднее значение вектора $x$. Выполняет LpNormNormalizingTransformer следующую операцию для каждого входного вектора $x$: $y = \frac{x - \mu(x)}{L(x)}$ , если пользователь указывает, что среднее значение должно быть равно нулю или иным образом: $y = \frac{x}{L(x)}$
Существует четыре типа норм, которые могут быть выбраны пользователем для применения к входным вектором $x$. Они определяются с помощью следующих параметров.
- L1: $L_1(x) = \sum_i |x_i|$
- L2: $L_2(x) = \sqrt{\sum_i x_i^2}$
- Infinity: $L_{\infty}(x) = \max_i{|x_i|} $
- StandardDeviation: $L_\sigma(x)$ определяется как стандартное отклонение элементов входного вектора $x$
Ссылки на примеры использования см. в разделе "См. также".
Методы
| Fit(IDataView) |
Нормализует (масштабы) в входном столбце в норме единицы. Тип используемой нормы может быть указан пользователем. (Унаследовано от TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Возвращает схему SchemaShape , которая будет производиться преобразователем. Используется для распространения и проверки схемы в конвейере. (Унаследовано от LpNormNormalizingEstimatorBase) |
Методы расширения
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Добавьте "контрольную точку кэширования" в цепочку оценщика. Это гарантирует, что подчиненные оценщики будут обучены на основе кэшированных данных. Рекомендуется использовать контрольную точку кэширования перед обучением, которые принимают несколько данных. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Учитывая оценщик, верните объект-оболочку, который будет вызывать делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что было положено, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако в то же время часто IEstimator<TTransformer> формируются в конвейеры со многими объектами, поэтому нам может потребоваться создать цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова соответствия. |