DataOperationsCatalog.LoadFromEnumerable 메서드
정의
중요
일부 정보는 릴리스되기 전에 상당 부분 수정될 수 있는 시험판 제품과 관련이 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적이거나 묵시적인 보증도 하지 않습니다.
오버로드
| LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition) |
사용자 정의 형식의 항목 열거형을 통해 새로 IDataView 만듭니다.
사용자는 소유권을 스트리밍 데이터 뷰에 대한 일반적인 사용 방법 중 하나는 필요에 따라 데이터를 지연 로드하는 데이터 뷰를 만든 다음, 미리 학습된 변환을 적용하고 변환 결과를 위해 이를 통해 커서를 사용하는 것입니다. |
| LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema) |
IDataView 제공된 DataViewSchema형식을 사용하여 사용자 정의 형식의 항목 열거 가능 항목을 새로 만듭니다. 이 항목에는 형식이 캡처할 수 있는 것보다 스키마에 대한 자세한 정보가 포함될 수 있습니다. |
LoadFromEnumerable<TRow>(IEnumerable<TRow>, SchemaDefinition)
사용자 정의 형식의 항목 열거형을 통해 새로 IDataView 만듭니다.
사용자는 소유권을 data 유지 관리하며 결과 데이터 뷰는 해당 내용 data이 변경되지 않습니다.
IDataView 변경할 수 없는 것으로 간주되므로 사용자는 데이터가 한 번만 커서가 지정된다는 것을 알지 못하면 동일한 결과를 반환하는 여러 열거 data 형을 지원해야 합니다.
스트리밍 데이터 뷰에 대한 일반적인 사용 방법 중 하나는 필요에 따라 데이터를 지연 로드하는 데이터 뷰를 만든 다음, 미리 학습된 변환을 적용하고 변환 결과를 위해 이를 통해 커서를 사용하는 것입니다.
public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.Data.SchemaDefinition schemaDefinition = default) where TRow : class;member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.Data.SchemaDefinition -> Microsoft.ML.IDataView (requires 'Row : null)Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), Optional schemaDefinition As SchemaDefinition = Nothing) As IDataView형식 매개 변수
- TRow
사용자 정의 항목 유형입니다.
매개 변수
- data
- IEnumerable<TRow>
로 변환할 형식 TRow 을 포함하는 열거 가능한 데이터입니다 IDataView.
- schemaDefinition
- SchemaDefinition
만들 데이터 뷰의 선택적 스키마 정의입니다. 이면 null스키마 정의가 .에서 TRow유추됩니다.
반환
생성된 IDataView.
예제
using System;
using System.Collections.Generic;
using Microsoft.ML;
using Microsoft.ML.Data;
namespace Samples.Dynamic
{
public static class LoadFromEnumerable
{
// Creating IDataView from IEnumerable, and setting the size of the vector
// at runtime. When the data model is defined through types, setting the
// size of the vector is done through the VectorType annotation. When the
// size of the data is not known at compile time, the Schema can be directly
// modified at runtime and the size of the vector set there. This is
// important, because most of the ML.NET trainers require the Features
// vector to be of known size.
public static void Example()
{
// Create a new context for ML.NET operations. It can be used for
// exception tracking and logging, as a catalog of available operations
// and as the source of randomness.
var mlContext = new MLContext();
// Get a small dataset as an IEnumerable.
IEnumerable<DataPointVector> enumerableKnownSize = new DataPointVector[]
{
new DataPointVector{ Features = new float[]{ 1.2f, 3.4f, 4.5f, 3.2f,
7,5f } },
new DataPointVector{ Features = new float[]{ 4.2f, 3.4f, 14.65f,
3.2f, 3,5f } },
new DataPointVector{ Features = new float[]{ 1.6f, 3.5f, 4.5f, 6.2f,
3,5f } },
};
// Load dataset into an IDataView.
IDataView data = mlContext.Data.LoadFromEnumerable(enumerableKnownSize);
var featureColumn = data.Schema["Features"].Type as VectorDataViewType;
// Inspecting the schema
Console.WriteLine($"Is the size of the Features column known: " +
$"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");
// Preview
//
// Is the size of the Features column known? True.
// Size: 5.
// If the size of the vector is unknown at compile time, it can be set
// at runtime.
IEnumerable<DataPoint> enumerableUnknownSize = new DataPoint[]
{
new DataPoint{ Features = new float[]{ 1.2f, 3.4f, 4.5f } },
new DataPoint{ Features = new float[]{ 4.2f, 3.4f, 1.6f } },
new DataPoint{ Features = new float[]{ 1.6f, 3.5f, 4.5f } },
};
// The feature dimension (typically this will be the Count of the array
// of the features vector known at runtime).
int featureDimension = 3;
var definedSchema = SchemaDefinition.Create(typeof(DataPoint));
featureColumn = definedSchema["Features"]
.ColumnType as VectorDataViewType;
Console.WriteLine($"Is the size of the Features column known: " +
$"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");
// Preview
//
// Is the size of the Features column known? False.
// Size: 0.
// Set the column type to be a known-size vector.
var vectorItemType = ((VectorDataViewType)definedSchema[0].ColumnType)
.ItemType;
definedSchema[0].ColumnType = new VectorDataViewType(vectorItemType,
featureDimension);
// Read the data into an IDataView with the modified schema supplied in
IDataView data2 = mlContext.Data
.LoadFromEnumerable(enumerableUnknownSize, definedSchema);
featureColumn = data2.Schema["Features"].Type as VectorDataViewType;
// Inspecting the schema
Console.WriteLine($"Is the size of the Features column known: " +
$"{featureColumn.IsKnownSize}.\nSize: {featureColumn.Size}");
// Preview
//
// Is the size of the Features column known? True.
// Size: 3.
}
}
public class DataPoint
{
public float[] Features { get; set; }
}
public class DataPointVector
{
[VectorType(5)]
public float[] Features { get; set; }
}
}
적용 대상
LoadFromEnumerable<TRow>(IEnumerable<TRow>, DataViewSchema)
IDataView 제공된 DataViewSchema형식을 사용하여 사용자 정의 형식의 항목 열거 가능 항목을 새로 만듭니다. 이 항목에는 형식이 캡처할 수 있는 것보다 스키마에 대한 자세한 정보가 포함될 수 있습니다.
public Microsoft.ML.IDataView LoadFromEnumerable<TRow> (System.Collections.Generic.IEnumerable<TRow> data, Microsoft.ML.DataViewSchema schema) where TRow : class;member this.LoadFromEnumerable : seq<'Row (requires 'Row : null)> * Microsoft.ML.DataViewSchema -> Microsoft.ML.IDataView (requires 'Row : null)Public Function LoadFromEnumerable(Of TRow As Class) (data As IEnumerable(Of TRow), schema As DataViewSchema) As IDataView형식 매개 변수
- TRow
사용자 정의 항목 유형입니다.
매개 변수
- data
- IEnumerable<TRow>
로 변환할 형식 TRow 을 포함하는 열거 가능한 데이터입니다 IDataView.
- schema
- DataViewSchema
반환 IDataView된 스키마입니다.
반환
IDataView 지정된 schema.
설명
사용자는 소유권을 data 유지 관리하며 결과 데이터 뷰는 해당 내용 data이 변경되지 않습니다.
IDataView 변경할 수 없는 것으로 간주되므로 사용자는 데이터가 한 번만 커서가 지정된다는 것을 알지 못하면 동일한 결과를 반환하는 여러 열거 data 형을 지원해야 합니다. 스트리밍 데이터 뷰에 대한 일반적인 사용 방법 중 하나는 필요에 따라 데이터를 지연 로드하는 데이터 뷰를 만든 다음, 미리 학습된 변환을 적용하고 변환 결과를 위해 이를 통해 커서를 사용하는 것입니다. 한 가지 실용적인 사용법은 .를 통해 DataViewSchema.Annotations기능 열 이름을 제공하는 것입니다.