NormalizingEstimator クラス

定義

public sealed class NormalizingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.NormalizingTransformer>

type NormalizingEstimator = class
    interface IEstimator<NormalizingTransformer>

Public NotInheritable Class NormalizingEstimator
Implements IEstimator(Of NormalizingTransformer)

継承

Object

NormalizingEstimator

実装

IEstimator<NormalizingTransformer>

注釈

エスティメーターの特性

結果として得られる NormalizingEstimator は、データの作成方法に基づいて、次のいずれかの方法でデータを正規化します。

• 最小最大値 - 各行の最小値と最大値に基づく線形再スケーリング。
• 平均分散 - 各行を単位分散に再スケーリングし、必要に応じて平均 0 を指定します。
• 対数平均分散 - 各行を単位分散に再スケーリングし、必要に応じて、対数スケールの計算に基づいて平均を 0 に変更します。
• ビン分割 - 各行のデータをバケット化し、計算されたビンに基づいて線形再スケーリングを実行します。
• 監視ビン分割 - 各行のデータをバケット化し、計算されたビンに基づいて線形再スケーリングを実行します。ビンの計算は、[ラベル] 列の相関関係に基づいています。
• 堅牢なスケーリング - 必要に応じて、データの範囲と指定された分位点の最小値と最大値に基づいて、データとスケールを中央揃えします。 この方法は、外れ値に対してより堅牢です。

Estimator の詳細

正規化されたデータの間隔は、fixZero が指定されているかどうかによって異なります。 fixZero の既定値は true です。 fixZero が false の場合、正規化された間隔は $[0,1]$ になり、正規化された値の分布は正規化モードによって異なります。 たとえば、Min Max では、最小値と最大値はそれぞれ 0 と 1 にマップされ、残りの値は間に入ります。 fixZero が設定されている場合、正規化された間隔は $[-1,1]$ で、正規化モードに応じて正規化された値が分布しますが、動作は異なります。 最小最大値の場合、分布は数値が 0 からどれだけ離れているかによって異なります。その結果、正の数値の場合は最大の距離が 1 にマップされ、負の数の場合は -1 にマップされます。 0 からの距離は、0 に近い近い数値の分布に影響します。 ロバスト スケーリングでは fixZero は使用されず、その値は $[0,1]$ または $[-1,1]$ に制限されません。 そのスケーリングは、データの範囲と、提供される分位点の最小値と最大値に基づいています。

CDF オプションを使用せずに入力$x$ に平均分散と対数平均分散の両方を適用する出力$y$ の式は、$y = (x - \text{offset}) \text{scale}$ です。 トレーニング中にオフセットとスケールが計算される場所。

CDF オプションを使用すると、$y = 0.5 * (1 + \text{ERF}((x - \text{mean}) / (\text{標準偏差} * sqrt(2))))$ になります。 ここで、ERF は、正規分布と見なされるランダム変数の CDF を近似するために使用される 誤差関数 です。 平均と標準偏差はトレーニング中に計算されます。

このエスティメーターを作成するには、次のいずれかを使用します。

• [NormalizeMinMax](xref:Microsoft.ML.NormalizationCatalog.NormalizeMinMax(Microsoft.ML.TransformsCatalog, System.String, System.String, System.Int64, System.Boolean))
• NormalizeMeanVariance
• NormalizeLogMeanVariance
• NormalizeBinning
• NormalizeSupervisedBinning
• NormalizeRobustScaling

使用例については、上記のリンクを参照してください。

メソッド

拡張メソッド

適用対象