NormalizationCatalog Clase

Definición

Espacio de nombres:

Microsoft.ML

Ensamblado:

Microsoft.ML.Transforms.dll

Paquete:

Microsoft.ML v3.0.1

Colección de métodos de extensión para TransformsCatalog crear instancias de componentes de normalización numérica.

public static class NormalizationCatalog

type NormalizationCatalog = class

Public Module NormalizationCatalog

Herencia

Object

NormalizationCatalog

Métodos

NormalizeBinning(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Int32)	Cree un NormalizingEstimator, que normaliza asignando los datos a contenedores con la misma densidad.
NormalizeBinning(TransformsCatalog, String, String, Int64, Boolean, Int32)	Cree un NormalizingEstimator, que normaliza asignando los datos a contenedores con la misma densidad.
NormalizeGlobalContrast(TransformsCatalog, String, String, Boolean, Boolean, Single)	Cree un GlobalContrastNormalizingEstimator, que normaliza las columnas aplicando individualmente la normalización de contraste global. Al establecer ensureZeroMean en true, se aplicará un paso de preprocesamiento para que la media de la columna especificada sea el vector cero.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Boolean, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza en función de la media calculada y la varianza del logaritmo de los datos.
NormalizeLogMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Cree un NormalizingEstimator, que normaliza en función de la media calculada y la varianza del logaritmo de los datos.
NormalizeLogMeanVariance(TransformsCatalog, String, Boolean, String, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza en función de la media calculada y la varianza del logaritmo de los datos.
NormalizeLogMeanVariance(TransformsCatalog, String, String, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza en función de la media calculada y la varianza del logaritmo de los datos.
NormalizeLpNorm(TransformsCatalog, String, String, LpNormNormalizingEstimatorBase+NormFunction, Boolean)	Cree un LpNormNormalizingEstimatorobjeto , que normaliza (escala) vectores de la columna de entrada a la norma unitaria. El tipo de norma que se usa se define mediante norm. Al establecer ensureZeroMean en true, se aplicará un paso de preprocesamiento para que la media de la columna especificada sea un vector cero.
NormalizeMeanVariance(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, Boolean)	Cree un NormalizingEstimator, que normaliza en función de la media calculada y la varianza de los datos.
NormalizeMeanVariance(TransformsCatalog, String, String, Int64, Boolean, Boolean)	Cree un NormalizingEstimator, que normaliza en función de la media calculada y la varianza de los datos.
NormalizeMinMax(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean)	Cree un NormalizingEstimator, que normaliza en función de los valores mínimo y máximo observados de los datos.
NormalizeMinMax(TransformsCatalog, String, String, Int64, Boolean)	Cree un NormalizingEstimator, que normaliza en función de los valores mínimo y máximo observados de los datos.
NormalizeRobustScaling(TransformsCatalog, InputOutputColumnPair[], Int64, Boolean, UInt32, UInt32)	Cree un NormalizingEstimatorobjeto , que normaliza el uso de estadísticas sólidas para valores atípicos al centrar los datos alrededor de 0 (quitando la mediana) y escala los datos según el intervalo cuantiles (el valor predeterminado es el intervalo intercuartil).
NormalizeRobustScaling(TransformsCatalog, String, String, Int64, Boolean, UInt32, UInt32)	Cree un NormalizingEstimatorobjeto , que normaliza el uso de estadísticas sólidas para valores atípicos al centrar los datos alrededor de 0 (quitando la mediana) y escala los datos según el intervalo cuantiles (el valor predeterminado es el intervalo intercuartil).
NormalizeSupervisedBinning(TransformsCatalog, InputOutputColumnPair[], String, Int64, Boolean, Int32, Int32)	Cree un NormalizingEstimatorobjeto , que normaliza asignando los datos a intervalos en función de la correlación con la labelColumnName columna.
NormalizeSupervisedBinning(TransformsCatalog, String, String, String, Int64, Boolean, Int32, Int32)	Cree un NormalizingEstimatorobjeto , que normaliza asignando los datos a intervalos en función de la correlación con la labelColumnName columna.