LpNormNormalizingEstimator 类
定义
重要
一些信息与预发行产品相关，相应产品在发行之前可能会进行重大修改。 对于此处提供的信息，Microsoft 不作任何明示或暗示的担保。
规范化 (将输入列中的向量缩放为单位规范) 向量。 用户可指定使用的规范的类型。
public sealed class LpNormNormalizingEstimator : Microsoft.ML.Transforms.LpNormNormalizingEstimatorBasetype LpNormNormalizingEstimator = class
inherit LpNormNormalizingEstimatorBasePublic NotInheritable Class LpNormNormalizingEstimator
Inherits LpNormNormalizingEstimatorBase- 继承
-
LpNormNormalizingEstimator
注解
估算器特征
| 此估算器是否需要查看数据来训练其参数？ | 否 |
| 输入列数据类型 | Single 的向量 |
| 输出列数据类型 | Single 的向量 |
| 可导出到 ONNX | 是 |
生成的 LpNormNormalizingTransformer 向量通过将它们重新缩放为单位规范来单独规范化输入列中的向量。
让 $x$ 成为输入向量，$n$ 矢量的大小，$L (x) $ 用户选择的 norm 函数。 让 $\mu (x) = \sum_i x_i / n$ 是向量 $x$ 的值的平均值。 如果 LpNormNormalizingTransformer 用户指定平均值应 $x为零，则对每个输入向量执行以下操作：$y = \frac{x - \mu (x) }{L (x) }$ （如果用户指定平均值应为零，否则为 ：$y = \frac{x}{x}{l (x) }$
用户可以选择要应用于输入向量$x$的四种类型的规范。 它们的定义如下：
- 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) $ 定义为输入向量$x$ 元素的标准偏差
有关使用示例的链接，请查看“另请参阅”部分。
方法
| Fit(IDataView) |
规范化 (将输入列中的向量缩放为单位规范) 向量。 用户可指定使用的规范的类型。 (继承自 TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
返回 SchemaShape 由转换器生成的架构。 用于管道中的架构传播和验证。 (继承自 LpNormNormalizingEstimatorBase) |
扩展方法
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。 |