Microsoft.ML.Data Przestrzeń nazw

Wyniki oceny wykrywania anomalii (algorytm uczenia nienadzorowanego).

Klasa bazowa ISingleFeaturePredictionTransformer<TModel> do pracy nad zadaniami wykrywania anomalii.

Wyniki oceny dla klasyfikatorów binarnych z wyłączeniem metryk probabilistycznych.

Klasa BinaryClassificationMetricsStatistics zawiera podsumowanie statystyk dotyczących wielu obserwacji obiektu BinaryClassificationMetrics.

Ta klasa reprezentuje jeden punkt danych na Precision-Recall krzywej klasyfikacji binarnej.

Klasa bazowa ISingleFeaturePredictionTransformer<TModel> do pracy nad zadaniami klasyfikacji binarnej.

Standardowy typ logiczny. Ma to typ Booleanreprezentacji . Należy pamiętać, że może to mieć tylko jedną możliwą wartość dostępną dla pojedynczej właściwości Instancestatycznej .

Wyniki oceny dla klasyfikatorów binarnych, w tym metryk probabilistycznych.

Metryki wygenerowane po ocenie prognoz klastrowania.

Klasa bazowa ISingleFeaturePredictionTransformer<TModel> do pracy nad zadaniami klastrowania.

ITransformer wynikowe dopasowanie obiektu ColumnConcatenatingEstimator.

Metody rozszerzeń, które umożliwiają wyodrębnianie wartości pojedynczej kolumny obiektu IDataView jako IEnumerable<T>.

Umożliwia członkowi bezpośrednie określenie IDataView nazwy kolumny, w przeciwieństwie do domyślnego zachowania używania nazwy elementu członkowskiego jako nazwy kolumny.

Ta klasa reprezentuje moduł ładujący dane, który stosuje łańcuch przekształcania po załadowaniu. Zawiera również metody zapisywania się w repozytorium.

Klasa narzędzia do szacowania dla modułu ładującego dane złożone. Może służyć do tworzenia "trenowanego inteligentnego modułu ładującego dane", chociaż ten wzorzec nie jest bardzo powszechny.

Reprezentuje macierz pomyłek wyników klasyfikacji.

Przestrzeń nazw zawierająca ładowanie i zapisywanie danych, definicje schematu danych i składniki metryk trenowania modelu.

Opisuje sposób mapowania kolumny wejściowej na kolumnę IDataView .

Ustawienia dla DatabaseLoader

Określa zakres indeksów lub nazw kolumn wejściowych, które powinny być mapowane na kolumnę wyjściową.

Uwidacznia dane wymagane do otwarcia bazy danych do odczytu.

Ta klasa reprezentuje chętny "podgląd" elementu IDataView.

Przestrzeń nazw zawierająca ładowanie i zapisywanie danych, definicje schematu danych i składniki metryk trenowania modelu.

Przestrzeń nazw zawierająca ładowanie i zapisywanie danych, definicje schematu danych i składniki metryk trenowania modelu.

Jest to abstrakcyjna klasa bazowa dla wszystkich typów w IDataView systemie typów.

DataViewTypeAttribute należy użyć do dekorowania właściwości klasy i pól, jeśli wystąpienia tej klasy zostaną załadowane jako ML.NET IDataView. Funkcja Register() zostanie wywołana w celu zarejestrowania DataViewType elementu dla elementu Type za pomocą funkcji Attribute. Za każdym razem, gdy wartość wpisana do zarejestrowanego Type i jego Attributewartości, typ tej wartości (tj. ) Typew IDataView obiekcie będzie skojarzony .DataViewType

Pojedyncza klasa do zarządzania mapą między ML.NET DataViewType i C# Type. Aby obsługiwać typ kolumny niestandardowej w programie IDataView, typ podstawowy kolumny (np. typ klasy C#) powinien być zarejestrowany przy użyciu klasy pochodzącej z DataViewTypeklasy .

Standardowy typ daty/godziny. Ma to typ DateTimereprezentacji . Należy pamiętać, że może to mieć tylko jedną możliwą wartość dostępną dla pojedynczej właściwości Instancestatycznej .

Standardowy typ przesunięcia daty/godziny. Ma to typ DateTimeOffsetreprezentacji . Należy pamiętać, że może to mieć tylko jedną możliwą wartość dostępną dla pojedynczej właściwości Instancestatycznej .

Reprezentuje łańcuch (potencjalnie pusty) narzędzi do szacowania, które kończą się elementem TLastTransformer. Jeśli łańcuch jest pusty, TLastTransformer zawsze ITransformerma wartość .

Opakowuje IFileHandle element jako element IMultiStreamSource.

IEstimator<TTransformer>dla .ImageLoadingTransformer

ITransformer wynikowe dopasowanie obiektu ImageLoadingEstimator.

Definiuje kardynalność lub liczbę prawidłowych wartości KeyDataViewType kolumny. Musi to być ściśle pozytywne. Jest on używany przez TextLoader i TypeConvertingEstimator.

Typ reprezentujący wartości kategorii lub wyliczane, najczęściej używany dla wartości etykiet w modelach klasyfikacji wieloklasowej.

Zezwól na oznaczenie elementu członkowskiego jako .KeyDataViewType

Zezwalaj członkowi na określanie mapowania na pola w pliku tekstowym. Aby zastąpić nazwę kolumny IDataView , użyj polecenia ColumnNameAttribute.

Zezwalaj członkowi na określanie mapowania na pola w bazie danych. Aby zastąpić nazwę kolumny IDataView , użyj polecenia ColumnNameAttribute.

Klasa MetricsStatistics oblicza podsumowanie statystyk dotyczących wielu obserwacji metryki.

Udostępniaj interfejsy na potrzeby operacji tworzenia obrazów.

Wyniki oceny dla wieloklasowych trenerów klasyfikacji.

Klasa MulticlassClassificationMetricsStatistics zawiera podsumowanie statystyk dotyczących wielu obserwacji obiektu MulticlassClassificationMetrics.

Klasa bazowa ISingleFeaturePredictionTransformer<TModel> do pracy nad zadaniami klasyfikacji wieloklasowej.

Opakowuje potencjalnie złożoną ścieżkę jako IMultiStreamSource.

Oznacz ten element członkowski jako niewyświetlany jako kolumnę IDataView w elemencie DataViewSchema.

Typ numeru standardowego. Ta klasa nie jest bezpośrednio dostępna do utworzenia wystąpienia. Wszystkie dozwolone wystąpienia tego typu są pojedyncze i są dostępne jako właściwości statyczne w tej klasie.

Klasa bazowa dla transformatora, która działa na parach kolumn wejściowych i wyjściowych.

Klasa bazowa dla transformatorów bez kolumny funkcji lub więcej niż jednej kolumny funkcji.

Abstrakcyjna klasa bazowa dla wszystkich typów pierwotnych. Wartości tych typów można swobodnie kopiować bez obaw o własność, mutację lub dysponowanie.

Opcje kontrolowania danych wyjściowych elementu RankingEvaluator

Wyniki oceny dla rangatorów.

Klasa RankingMetricsStatistics zawiera podsumowanie statystyk dotyczących wielu obserwacji obiektu RankingMetrics.

Klasa bazowa ISingleFeaturePredictionTransformer<TModel> do pracy nad zadaniami klasyfikacji.

Algorytmy regresji wyników oceny (algorytm uczenia nadzorowanych).

Klasa RegressionMetricsStatistics zawiera podsumowanie statystyk dotyczących wielu obserwacji obiektu RegressionMetrics.

Klasa bazowa ISingleFeaturePredictionTransformer<TModel> do pracy nad zadaniami regresji.

Typ RowIdDataViewType . Ma to typ DataViewRowIdreprezentacji . Należy pamiętać, że może to mieć tylko jedną możliwą wartość dostępną dla pojedynczej właściwości Instancestatycznej .

Klasa bazowa transformatora tworząca nowe kolumny, ale nie ma wpływu na istniejące.

Metody rozszerzeń ułatwiające łatwe korzystanie z popularnej zawartości elementu Annotations.

Ta klasa definiuje schemat typizowanego widoku danych.

Jedna kolumna widoku danych.

Prosty uchwyt na plikach oparty na dysku.

Klasa bazowa dla wszystkich transformatorów implementowania klasy ISingleFeaturePredictionTransformer<TModel>. Są to wszystkie transformatory, które działają z jedną kolumną funkcji.

Abstrakcyjna klasa bazowa dla wszystkich typów nietypowych.

To próbuje odczytać dane w formacie zbliżonym do formatu SVM-light. Celem jest to, że większość danych sformatowanych w formacie SVM powinna być interpretowana przez ten moduł ładujący.

Przestrzeń nazw zawierająca ładowanie i zapisywanie danych, definicje schematu danych i składniki metryk trenowania modelu.

Standardowy typ tekstu. Ma to typ reprezentacji typu ReadOnlyMemory<T> z parametrem Chartypu . Należy pamiętać, że może to mieć tylko jedną możliwą wartość dostępną dla pojedynczej właściwości Instancestatycznej .

Ładuje plik tekstowy do widoku IDataView. Obsługuje podstawowe mapowanie z kolumn wejściowych na IDataView kolumny.

Opisuje sposób mapowania kolumny wejściowej na kolumnę IDataView .

Ustawienia dla TextLoader

Określa zakres indeksów kolumn wejściowych, które powinny być mapowane na kolumnę wyjściową.

Standardowy typ przedziału czasu. Ma to typ TimeSpanreprezentacji . Należy pamiętać, że może to mieć tylko jedną możliwą wartość dostępną dla pojedynczej właściwości Instancestatycznej .

Łańcuch transformatorów (prawdopodobnie pusty), który kończy się ciągiem TLastTransformer. W przypadku pustego łańcucha TLastTransformer wartość to zawsze ITransformer.

Trywialna implementacja tej IEstimator<TTransformer> funkcji ma już transformator i zwraca go przy każdym wywołaniu metody Fit(IDataView).

Konkretne implementacje nadal muszą zapewnić mechanizm propagacji schematu, ponieważ nie ma łatwego sposobu wnioskowania go z transformatora.

Różne metody tworzenia VBufferEditor<T> wystąpień.

Typ wektora standardowego. Typ reprezentacji to VBuffer<T>, gdzie parametr typu znajduje się w elemecie ItemType.

Umożliwia oznaczenie elementu członkowskiego jako VectorDataViewTypeelementu , co pozwala przede wszystkim ustawić wymiarowość wynikowej tablicy.

Struktura służąca jako identyfikator wiersza .IDataView W przypadku zestawów danych z milionami rekordów identyfikatory te muszą być unikatowe, dlatego potrzeba przechowywania wartości przez tak dużą strukturę. Te identyfikatory pochodzą z innych identyfikatorów poprzednich składników potoków i dzielenia struktury w dwóch: wysokiej kolejności i niskiej kolejności bitów oraz jeszcze bardziej zmniejsza zmiany tych kolizji.

Bufor obsługujący zarówno reprezentacje gęste, jak i rozrzedczone. Jest to typ reprezentacji dla wszystkich VectorDataViewType wystąpień. Jawnie zdefiniowane wartości tego wektora są uwidocznione za pomocą metod GetValues() i, jeśli nie są gęste, GetIndices().

Obiekt zdolny do edycji VBuffer<T> obiektu przez wypełnienie Values (i Indices jeśli bufor nie jest gęsty).

Dojście do pliku.

Interfejs do uwidaczniania niektórych elementów, które można otworzyć do odczytu.

Ten interfejs mapuje dane wejściowe DataViewRow na dane wyjściowe DataViewRow. Zazwyczaj dane wyjściowe zawierają zarówno kolumny wejściowe, jak i nowe kolumny dodane przez klasę implementowania, chociaż niektóre implementacje mogą zwracać podzbiór kolumn wejściowych. Ten interfejs jest podobny do Microsoft.ML.Data.ISchemaBoundRowMapper, z wyjątkiem nie ma żadnych mapowań ról wejściowych, więc aby ponownie połączyć, należy użyć tych samych nazw kolumn wejściowych. Implementacje tego interfejsu są zwykle tworzone za pośrednictwem zdefiniowanych danych wejściowych DataViewSchema.

Określa prosty typ danych.

Określa format danych kolorów dla każdego piksela na obrazie.

Przestrzeń nazw zawierająca ładowanie i zapisywanie danych, definicje schematu danych i składniki metryk trenowania modelu.

To wyliczenie umożliwia "tagowanie" narzędzia do szacowania (a następnie transformatorów) w łańcuchu do użycia "tylko do trenowania", "do trenowania i oceny" itp. Najbardziej godnym uwagi przykładem jest to, że przekształcenia w kolumnie etykiety nie powinny być używane do oceniania, więc zakres powinien mieć Training wartość lub TrainTest.