PrincipalComponentAnalyzer Klasse

Referenz

Definition

Namespace:: Microsoft.ML.Transforms

Assembly:: Microsoft.ML.PCA.dll

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.0

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

PCA ist eine Transformation der Dimensionalitätsreduzierung, die die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet.

public sealed class PrincipalComponentAnalyzer : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.PrincipalComponentAnalysisTransformer>

type PrincipalComponentAnalyzer = class
    interface IEstimator<PrincipalComponentAnalysisTransformer>

Public NotInheritable Class PrincipalComponentAnalyzer
Implements IEstimator(Of PrincipalComponentAnalysisTransformer)

Vererbung: Object
PrincipalComponentAnalyzer

Implementiert: IEstimator<PrincipalComponentAnalysisTransformer>

Hinweise

Die Prinzipkomponentenanalyse (Component Analysis, PCA) ist ein Dimensionalitätsminderungsalgorithmus, der die Projektion des Featurevektors auf einen Unterraum mit niedriger Rangfolge berechnet. Seine Schulung erfolgt mithilfe der im Papier beschriebenen Technik: Kombinieren von strukturierten und unstrukturierten Zufallszahlen in großskaliger PCA und der Papiersuche Struktur mit Zufallsart: Probabilistische Algorithmen zum Erstellen ungefährer Matrixdekompositions

Weitere Informationen finden Sie auch unter:

Methoden

Fit(IDataView)	Züge und gibt einen PrincipalComponentAnalysisTransformer.
GetOutputSchema(SchemaShape)	Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemaverteilung und Überprüfung in einer Pipeline verwendet.

Erweiterungsmethoden

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgelagerten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Wenn sie eine Schätzung erhalten, geben Sie ein Umbruchobjekt zurück, das einen Delegaten aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen darüber zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformerObjekt zurückzugeben. IEstimator<TTransformer> Gleichzeitig werden jedoch häufig Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern erstellen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die aufgerufen wird, sobald sie aufgerufen wird.

Gilt für:

Freigeben über