Translation not up to date
autoai-lib Python kitaplığı, IBM Watson Machine Learning AutoAI deneyleriyle etkileşimde bulunmanıza yardımcı olacak bir işlev kümesi içerir. autoai-lib kitaplığını kullanarak, ardışık işlem hattının oluşturulmasında gerçekleşen veri dönüşümlerini gözden geçirebilir ve düzenleyebilirsiniz. Benzer şekilde, zaman serisi deneyleri için ardışık işlem defterleriyle etkileşimde bulunmak üzere autoai-ts-libs kitaplığını kullanabilirsiniz.
Python için autoai-lib ya da autoai-ts-libs kurulması
autoai-lib ya da autoai-ts-libsürününü kurmak için Özel kitaplıkları kurma başlıklı konudaki yönergeleri izleyin.
Python için autoai-lib ve autoai-ts-libs kullanılması
Python için autoai-lib ve autoai-ts-libs kitaplığı, IBM Watson Machine Learning AutoAI deneyleriyle etkileşim kurmanıza yardımcı olacak işlevler içerir. autoai-lib kitaplığını kullanarak, sınıflandırma ve regresyon boru hatlarının oluşturulmasında gerçekleşen veri dönüşümlerini gözden geçirebilir ve düzenleyebilirsiniz. autoai-ts-libs kitaplığını kullanarak, zaman serisi (tahmin) boru hatlarının oluşturulmasında gerçekleşen veri dönüşümlerini gözden geçirebilirsiniz.
Python için autoai-lib ve autoai-ts-libs kurulması
autoai-lib ve autoai-ts-libskitaplıklarını kurmak için Installing custom libraries (Özel kitaplıkların kurulması) başlıklı konudaki yönergeleri izleyin.
Autoai-lib işlevleri
autoai-lib kitaplığını içe aktardıktan sonra yaratılan somutlaştırılan proje nesnesi şu işlevleri gösterir:
autoai_libs.transformers.exportable.NumpyColumnSelector()
Bir numpy dizisinin sütunlarının bir alt kümesini seçer
Kullanım:
autoai_libs.transformers.exportable.NumpyColumnSelector(columns=None)
| Seçenek | Açıklama |
|---|---|
| sütunlar | seçilecek kolon dizinlerinin listesi |
autoai_libs.transformers.exportable.CompressStrings()
X numaralı giriş dizisinin dizgi kolonlarındaki boşlukları ve özel karakterleri kaldırır.
Kullanım:
autoai_libs.transformers.exportable.CompressStrings(compress_type='string', dtypes_list=None, misslist_list=None, missing_values_reference_list=None, activate_flag=True)
| Seçenek | Açıklama |
|---|---|
compress_type |
dizgi sıkıştırmasının tipi. Bir dizgiden boşlukları kaldırmak için 'string' ve bir tamsayı hash değeri oluşturmak için 'hash'. Varsayılan değer 'string' değeridir. 'hash' dizgileri ve cat_imp_strateji = 'most_sıkça' olan sütunlar için kullanılır |
dtypes_list |
Giriş no dizisi X 'in her kolonunun tipini gösteren dizgileri içeren liste (dizgiler şunlardır: 'char_str', 'int_str', 'float_str', 'float_num', 'float_int_num', 'int_num', 'Boolean', 'Unknown'). Yoksa, sütun tipleri keşfedilir. Varsayılan değer Yok 'tur. |
misslist_list |
liste, giriş numpy dizisi X 'in her kolonunda eksik değerlerin listelerini içerir. Yok ise, her kolonun eksik değerleri saptanır. Varsayılan değer Yok 'tur. |
missing_values_reference_list |
giriş numpy dizisindeki eksik değerlerin başvuru listesi X |
activate_flag |
bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.NumpyReplaceMissingValues()
Numpy dizisi ve eksik değerlerin başvuru listesi verildiğinde, eksik değerleri özel bir değerle (genellikle np.nangibi özel bir eksik değer) değiştirir.
Kullanım:
autoai_libs.transformers.exportable.NumpyReplaceMissingValues(missing_values, filling_values=np.nan)
| Seçenek | Açıklama |
|---|---|
missing_values |
eksik değerlerin başvuru listesi |
filling_values |
bilinmeyen değerlere atanan özel değer |
autoai_libs.transformers.exportable.NumpyReplaceUnknownValues()
Numpy dizisi ve her kolon için bilinen değerlerin başvuru listesi verildiğinde, başvuru listesinin bir parçası olmayan değerleri özel bir değerle (genellikle np.nan) değiştirir. Bu yöntem genellikle, eğitim veri kümesinin ilgili sütunlarında görülmemiş bir test veri kümesindeki sütunlara ilişkin etiketleri kaldırmak için kullanılır.
Kullanım:
autoai_libs.transformers.exportable.NumpyReplaceUnknownValues(known_values_list=None, filling_values=None, missing_values_reference_list=None)
| Seçenek | Açıklama |
|---|---|
known_values_list |
Her bir sütun için bilinen değer listelerinin başvuru listesi |
filling_values |
bilinmeyen değerlere atanan özel değer |
missing_values_reference_list |
eksik değerlerin başvuru listesi |
autoai_libs.transformers.exportable.boolean2float()
Boole değerlerini kayan ve eksik değerleri np.nanile değiştiren 1 boyutlu bir dizgi sayısı dizisini dönüştürür. Dizi tipini 'object' tipinden 'float' tipine de değiştirir.
Kullanım:
autoai_libs.transformers.exportable.boolean2float(activate_flag=True)
| Seçenek | Açıklama |
|---|---|
activate_flag |
bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.CatImputer()
Bu dönüştürücü, kategorik kütücü için bir sarmalayıcı. Dahili olarak şu anda sklearn SimpleImputer] (https://scikit-learn.org/stable/modules/generated/sklearn.impute.SimpleImputer.html) olanağını kullanıyor
Kullanım:
autoai_libs.transformers.exportable.CatImputer(strategy, missing_values, sklearn_version_family=global_sklearn_version_family, activate_flag=True)
| Seçenek | Açıklama |
|---|---|
strategy |
dizgi, isteğe bağlı, varsayılan="ortalama ". Eksik değerlere ilişkin yükleme stratejisi. - mean: her sütun boyunca ortalama kullanılarak değiştirin. Yalnızca sayısal verilerle kullanılabilir.- median:her sütun boyunca medyan kullanılarak değiştirilebilir. Yalnızca sayısal verilerle kullanılabilir.- most_frequent:her bir sütun için en sık değer kullanılarak değiştirilebilir. Dizgilerle ya da sayısal verilerle kullanılır.- constant:replace with fill_value. Dizgilerle ya da sayısal verilerle kullanılabilir. |
missing_values |
sayı, dizgi, np.nan (varsayılan) ya da Yok. Eksik değerlerin yer tutucusu. missing_values değerinin tüm geçişleri örtük. |
sklearn_version_family |
019 ve 020devsürümleriyle geriye dönük uyumluluk için sklearn sürümünü gösteren str. Şu anda kullanılmıyor. Varsayılan değer Yok 'tur. |
activate_flag |
bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.CatEncoder()
Bu yöntem, kategorik kodlayıcı için bir sarıcıdır. Kodlama parametresi 'ordinal' ise, dahili olarak şu anda sklearn OrdinalEncoderprogramını kullanır. Kodlama parametresi 'onehot' ya da 'onehot-dense ' içeride sklearn OneHotEncoder kullanır
Kullanım:
autoai_libs.transformers.exportable.CatEncoder(encoding, categories, dtype, handle_unknown, sklearn_version_family=global_sklearn_version_family, activate_flag=True)
| Seçenek | Açıklama |
|---|---|
encoding |
str, 'onehot', 'onehot-dense' veya 'ordinal'. Kullanılacak kodlama tipi (varsayılan değer 'ordinal') 'onehot': özellikleri tek sıcak aka (one-of-K) şemasını (ya da 'dummy ' kodlaması da denir) kullanarak kodlayın. Bu kodlama her kategori için ikili bir sütun oluşturur ve seyrek bir matris döndürür. 'onehot-dense': 'onehot' ile aynıdır, ancak seyrek matris yerine yoğun bir dizi döndürür. 'ordinal': özellikleri sıralı tamsayılar olarak kodlayın. Sonuç, özellik başına tek bir tamsayı kolonudur (0-n_categories-1). |
categories |
'auto' ya da değer listelerinin/dizilerinin bir listesi. Özellik başına kategori (benzersiz değerler): 'auto': Eğitim verilerinden kategorileri otomatik olarak belirleyin. list : categories[i] , ith sütununda beklenen kategorileri içerir. İletilen kategoriler sıralanmalıdır ve dizgileri ve sayısal değerleri karıştıramaz. Kullanılan kategoriler encoder.categories_ özniteliğinde bulunabilir. |
dtype |
sayı tipi, varsayılan np.float64 Çıkış için istenen dtype. |
handle_unknown |
'error' (varsayılan) ya da 'ignore '. Dönüştürme sırasında bilinmeyen bir kategorik özellik varsa hata verilip verilmeyeceğini ya da yoksayılıp sayılmayacağını belirler (varsayılan değer, yükseltileceğidir). Bu değiştirge 'ignore' (yoksay) olarak ayarlandığında ve dönüştürme sırasında bilinmeyen bir kategori saptanırsa, bu özellik için sonuçtaki tek kodlu kolonların tümü sıfırdır. Ters dönüşümde, bilinmeyen bir kategori Yok olarak gösterilir. encoding='ordinal'için bilinmeyen kategorilerin yoksayılması desteklenmez. |
sklearn_version_family |
019 ve 020devsürümleriyle geriye dönük uyumluluk için sklearn sürümünü gösteren str. Şu anda kullanılmıyor. Varsayılan değer Yok 'tur. |
activate_flag |
bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.float32_transform()
Bir float64 numpy dizisini float32' ye dönüştürür.
Kullanım:
autoai_libs.transformers.exportable.float32_transform(activate_flag=True)
| Seçenek | Açıklama |
|---|---|
activate_flag |
bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.FloatStr2Float()
Sütunlarının tiplerini gösteren X ve dtypes_list numpy dizisi verildiğinde, kayar noktalı sayı kolonlarını (dtypes_list içinde 'float_str' tipi) kayar noktalı sayı kolonlarına değiştirir ve eksik değerlerini np.nanile değiştirir.
Kullanım:
autoai_libs.transformers.exportable.FloatStr2Float(dtypes_list, missing_values_reference_list=None, activate_flag=True)
| Seçenek | Açıklama |
|---|---|
dtypes_list |
liste, giriş no dizisi X 'in her kolonunun tipini gösteren dizgileri içerir (dizgiler 'char_str', 'int_str', 'float_str', 'float_num', 'float_int_num', 'int_num', 'Boolean', 'Unknown'). |
missing_values_reference_list |
eksik değerlerin başvuru listesi |
activate_flag |
bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.NumImputer()
Bu yöntem, sayısal boşaltıcı için bir sarıcıdır.
Kullanım:
autoai_libs.transformers.exportable.NumImputer(strategy, missing_values, activate_flag=True)
| Seçenek | Açıklama |
|---|---|
strategy |
num_imp_strateji: dizgi, isteğe bağlı (varsayılan = "ortalama "). Yükleme stratejisi: -"ortalama" ise, eksen boyunca ortalama kullanarak eksik değerleri değiştirin. -"median" ise, eksen boyunca ortanca kullanarak eksik değerleri değiştirin. -"most_sık" ise, eksen boyunca en sık değeri kullanarak eksik değerleri değiştirin. |
missing_values |
tamsayı ya da "NaN", isteğe bağlıdır (varsayılan = "NaN"). Eksik değerlerin yer tutucusu. missing_values oluşumlarının tümü örtük: - np.nanolarak kodlanmış eksik değerler için, "NaN" dizgi değerini kullanın. - activate_flag: bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. |
autoai_libs.transformers.exportable.OptStandardScaler()
Bu parametre, sayısal değişkenlerin ölçeklenmesine ilişkin bir sarıcıdır. Şu anda sklearn StandardScaler ürününü dahili olarak kullanır.
Kullanım:
autoai_libs.transformers.exportable.OptStandardScaler(use_scaler_flag=True, num_scaler_copy=True, num_scaler_with_mean=True, num_scaler_with_std=True)
| Seçenek | Açıklama |
|---|---|
num_scaler_copy |
Boole, isteğe bağlı, varsayılan True. False ise, bir kopyayı önlemeye çalışın ve bunun yerine yerinde ölçekleme yapın. Bu işlemin her zaman çalışması garanti edilmez. Örneğin, veriler bir NumPy dizisi ya da scipy.sparse CSR matrisi değilse, yine de bir kopya döndürülebilir. |
num_scaler_with_mean |
Boole, Varsayılan olarak True. True ise, ölçeklemeden önce verileri ortala. Seyrek matrisler üzerinde denendiğinde bir kural dışı durum ortaya çıktı, çünkü bu matrisler ortalandığında yoğun bir matris oluşturulmasına neden oluyor, bu da yaygın kullanım senaryolarının belleğe sığmayacak kadar büyük olması muhtemeldir. |
num_scaler_with_std |
Boole, Varsayılan olarak True. True ise, verileri birim varyansına ölçekleyin (ya da eşdeğer olarak, birim standart sapması). |
use_scaler_flag |
Boole, bu dönüştürücülerin etkin olduğunu gösteren işaret. False ise, dönüştürme (X) giriş numpy dizisi X 'i değiştirilmeden çıkarır. Varsayılan değer true değeridir. |
autoai_libs.transformers.exportable.NumpyPermuteArray()
Dizinler listesine dayalı olarak, bir numpy dizisinin kolonlarını ya da satırlarını yeniden düzenler.
Kullanım:
autoai_libs.transformers.exportable.NumpyPermuteArray(permutation_indices=None, axis=None)
| Seçenek | Açıklama |
|---|---|
permutation_indices |
kolonların yeniden düzenlenmesine dayalı dizinlerin listesi |
axis |
Sütunlar boyunca 0 permute. Satırlar boyunca 1 permute. |
Özellik dönüşümü
Bu yöntemler, AutoAI uygulama ayrıntılarındaaçıklanan özellik dönüşümleri için geçerlidir.
autoai_libs.cognito.transforms.transform_utils.TA1(fun, ad = Yok, veri tipleri = Yok, feat_constraints=Yok, tgraph = Yok, apply_all=True, col_names=Yok, col_dtypes=Yok)
Kare ya da günlük gibi birli durum bilgisi olmayan işlevler için TA1komutunu kullanın.
Kullanım:
autoai_libs.cognito.transforms.transform_utils.TA1(fun, name=None, datatypes=None, feat_constraints=None, tgraph=None, apply_all=True, col_names=None, col_dtypes=None)
| Seçenek | Açıklama |
|---|---|
fun |
işlev işaretçisi |
name |
bu dönüştürücüleri diğerlerinden benzersiz olarak tanıtan bir dizgi adı |
datatypes |
dönüştürücü işlevine (sayısal, kayar noktalı sayı, tamsayı vb.) geçerli giriş olan veri tiplerinin listesi |
feat_constraints |
Bu dönüşüme ilişkin geçerli bir giriş olarak kabul edilmek için bir kolon tarafından karşılanması gereken tüm kısıtlar |
tgraph |
tgraph nesnesi başlangıç TGraph () olmalıdır nesne. Bu parametre isteğe bağlıdır ve Yok değerini geçirebilirsiniz, ancak bu, önbelleğe alma eksikliği nedeniyle bazı verimsizliklerin saptanamamasına neden olabilir |
apply_all |
yalnızca applyAll = True değerini kullanın. Dönüştürücü, belirtilen ölçütlerle eşleşen tüm özellikleri (ya da özellik kümelerini) numaralandırdığı ve sağlanan işlevi her birine uyguladığı anlamına gelir. |
col_names |
bir listedeki özellik kolonlarının adları |
col_dtypes |
özellik sütunlarının veri tiplerinin listesi |
autoai_libs.cognito.transforms.transform_utils.TA2()
Toplam, ürün gibi ikili durumsuz işlevler için TA2kullanın.
Kullanım:
autoai_libs.cognito.transforms.transform_utils.TA2(fun, name, datatypes1, feat_constraints1, datatypes2, feat_constraints2, tgraph=None, apply_all=True, col_names=None, col_dtypes=None)
| Seçenek | Açıklama |
|---|---|
fun |
işlev işaretçisi |
name: bu dönüştürücüleri diğerlerinden benzersiz olarak tanıtan bir dizgi adı |
|
datatypes1 |
Dönüştürücü işlevine (sayısal, kayar noktalı sayı, tamsayı, vb.) ilişkin geçerli girişler (ilk değiştirge) olan veri tiplerinin listesi |
feat_constraints1 |
Bu dönüşüme ilişkin geçerli bir giriş (ilk değiştirge) olarak kabul edilebilmesi için, bir kolonun karşılaması gereken tüm kısıtlar |
datatypes2 |
Dönüştürücü işlevine (sayısal, kayar noktalı sayı, tamsayı, vb.) ilişkin geçerli girişler (ikinci değiştirge) olan veri tiplerinin listesi |
feat_constraints2 |
Bu dönüşüme ilişkin geçerli bir giriş (ikinci değiştirge) olarak kabul edilmek için bir kolon tarafından karşılanması gereken tüm kısıtlar |
tgraph |
tgraph nesnesi, çağıran TGraph () olmalıdır nesne. Bu parametrenin isteğe bağlı olduğunu ve Yok değerini iletebileceğinizi, ancak önbelleğe alma eksikliği nedeniyle bazı eksikliklerle sonuçlanabileceğini unutmayın. |
apply_all |
yalnızca applyAll = True değerini kullanın. Dönüştürücü, belirtilen ölçütlerle eşleşen tüm özellikleri (ya da özellik kümelerini) numaralandırdığı ve sağlanan işlevi her birine uyguladığı anlamına gelir. |
col_names |
bir listedeki özellik kolonlarının adları |
col_dtypes |
özellik kolonlarının veri tiplerinin listesi |
autoai_libs.cognito.transforms.transform_utils.TB1()
Sık sayım gibi, tekli duruma dayalı dönüşümler (fit/transform ile) için kullanılır.
Kullanım:
autoai_libs.cognito.transforms.transform_utils.TB1(tans_class, name, datatypes, feat_constraints, tgraph=None, apply_all=True, col_names=None, col_dtypes=None)
| Seçenek | Açıklama |
|---|---|
tans_class |
Dönüşüm işlevi tanımlamasına uygun olarak fit( ) ve transform( ) uygulayan bir sınıf |
name |
bu dönüştürücüleri diğerlerinden benzersiz olarak tanıtan bir dizgi adı |
datatypes |
transformer işlevine geçerli giriş olan veri tiplerinin listesi (sayısal, kayar noktalı sayı, tamsayı, vb.) |
feat_constraints |
Bu dönüşüme ilişkin geçerli bir giriş olarak kabul edilmek için bir kolon tarafından karşılanması gereken tüm kısıtlar |
tgraph |
tgraph nesnesi, çağıran TGraph () olmalıdır nesne. Bunun isteğe bağlı olduğunu ve Yok değerini geçirebileceğinizi, ancak önbelleğe alma eksikliği nedeniyle bazı eksikliklerle sonuçlanabileceğini unutmayın. |
apply_all |
yalnızca applyAll = True değerini kullanın. Dönüştürücü, belirtilen ölçütlerle eşleşen tüm özellikleri (ya da özellik kümelerini) numaralandırdığı ve sağlanan işlevi her birine uyguladığı anlamına gelir. |
col_names |
bir listedeki özellik kolonlarının adları. |
col_dtypes |
özellik kolonlarının veri tiplerinin listesi. |
autoai_libs.cognito.transforms.transform_utils.TB2()
İkili duruma dayalı dönüşümler için (parça/dönüşüme sahip), gruplama temeli gibi.
Kullanım:
autoai_libs.cognito.transforms.transform_utils.TB2(tans_class, name, datatypes1, feat_constraints1, datatypes2, feat_constraints2, tgraph=None, apply_all=True)
| Seçenek | Açıklama |
|---|---|
tans_class |
fit () uygulayan bir sınıf ve dönüştür () dönüştürme fonksiyonu tanımına uygun olarak |
name |
bu dönüştürücüleri diğerlerinden benzersiz olarak tanıtan bir dizgi adı |
datatypes1 |
Dönüştürücü işlevine (sayısal, kayar noktalı sayı, tamsayı, vb.) ilişkin geçerli girişler (ilk değiştirge) olan veri tiplerinin listesi |
feat_constraints1 |
Bu dönüşüme ilişkin geçerli bir giriş (ilk değiştirge) olarak kabul edilebilmesi için, bir kolonun karşılaması gereken tüm kısıtlar |
datatypes2 |
Dönüştürücü işlevine (sayısal, kayar noktalı sayı, tamsayı, vb.) ilişkin geçerli girişler (ikinci değiştirge) olan veri tiplerinin listesi |
feat_constraints2 |
Bu dönüşüme ilişkin geçerli bir giriş (ikinci değiştirge) olarak kabul edilmek için bir kolon tarafından karşılanması gereken tüm kısıtlar |
tgraph |
tgraph nesnesi, çağıran TGraph () olmalıdır nesne. Bu parametre isteğe bağlıdır ve Yok değerini geçirebilirsiniz, ancak bu, önbelleğe alma eksikliği nedeniyle bazı eksikliklerle sonuçlanır |
apply_all |
yalnızca applyAll = True değerini kullanın. Dönüştürücü, belirtilen ölçütlerle eşleşen tüm özellikleri (ya da özellik kümelerini) numaralandırdığı ve sağlanan işlevi her birine uyguladığı anlamına gelir. |
autoai_libs.cognito.transforms.transform_utils.TAM()
PCA gibi veri düzeyinde geçerli olan bir dönüşüm için TAM kullanın.
Kullanım:
autoai_libs.cognito.transforms.transform_utils.TAM(tans_class, name, tgraph=None, apply_all=True, col_names=None, col_dtypes=None)
| Seçenek | Açıklama |
|---|---|
tans_class |
Dönüşüm işlevi tanımlamasına uygun olarak fit( ) ve transform( ) uygulayan bir sınıf |
name |
bu dönüştürücüleri diğerlerinden benzersiz olarak tanıtan bir dizgi adı |
tgraph |
tgraph nesnesi, çağıran TGraph () olmalıdır nesne. Bu parametre isteğe bağlıdır ve Yok değerini geçirebilirsiniz, ancak bu, önbelleğe alma eksikliği nedeniyle bazı eksikliklerle sonuçlanır |
apply_all |
yalnızca applyAll = True değerini kullanın. Dönüştürücü, belirtilen ölçütlerle eşleşen tüm özellikleri (ya da özellik kümelerini) numaralandırdığı ve sağlanan işlevi her birine uyguladığı anlamına gelir. |
col_names |
bir listedeki özellik kolonlarının adları |
col_dtypes |
özellik sütunlarının veri tiplerinin listesi |
autoai_libs.cognito.transforms.transform_utils.TGen()
TGen genel bir sarıcıdır ve çoğu işlev için kullanılabilir (en verimli olmasa da).
Kullanım:
autoai_libs.cognito.transforms.transform_utils.TGen(fun, name, arg_count, datatypes_list, feat_constraints_list, tgraph=None, apply_all=True, col_names=None, col_dtypes=None)
| Seçenek | Açıklama |
|---|---|
fun |
işlev işaretçisi |
name |
bu dönüştürücüleri diğerlerinden benzersiz olarak tanıtan bir dizgi adı |
arg_count |
işlevin giriş sayısı, bu örnekte 1, ikili için 2, vb. |
datatypes_list |
Her parametre için kabul edilebilir giriş veri tiplerine karşılık gelen arg_count listelerinin bir listesi. Önceki örnekte, `arg_count=1``, sonuç dış liste içinde bir listedir ve 'numeric' adlı tek bir tip içerir. Başka bir durumda, belirli bir 'int' ya da daha spesifik 'int64' olabilir. |
feat_constraints_list |
Giriş özelliklerinin seçimine uygulanabilecek bazı kısıtlamalara karşılık gelen arg_count listelerinin listesi |
tgraph |
tgraph nesnesi, çağıran TGraph () olmalıdır nesne. Bu parametrenin isteğe bağlı olduğunu ve Yok değerini iletebileceğinizi, ancak önbelleğe alma eksikliği nedeniyle bazı eksikliklerle sonuçlanabileceğini unutmayın. |
apply_all |
yalnızca applyAll = True değerini kullanın. Dönüştürücü, belirtilen ölçütlerle eşleşen tüm özellikleri (ya da özellik kümelerini) numaralandırdığı ve sağlanan işlevi her birine uyguladığı anlamına gelir. |
col_names |
bir listedeki özellik kolonlarının adları |
col_dtypes |
özellik kolonlarının veri tiplerinin listesi |
autoai_libs.cognito.transforms.transform_utils.FS1()
Özellik seçimi, tip 1 (her özellik ve hedef arasında eşler arası ilinti kullanılıyor.)
Kullanım:
autoai_libs.cognito.transforms.transform_utils.FS1(cols_ids_must_keep, additional_col_count_to_keep, ptype)
| Seçenek | Açıklama |
|---|---|
cols_ids_must_keep |
özellik önemlerinden bağımsız olarak tutulması gereken sütunların seri numaraları |
additional_col_count_to_keep |
kaç sütunun saklanması gerektiğini belirler |
ptype |
sınıflandırma ya da regresyon |
autoai_libs.cognito.transforms.transform_utils.FS2()
Özellik seçimi, tip 2.
Kullanım:
autoai_libs.cognito.transforms.transform_utils.FS2(cols_ids_must_keep, additional_col_count_to_keep, ptype, eval_algo)
| Seçenek | Açıklama |
|---|---|
cols_ids_must_keep |
özellik önemlerinden bağımsız olarak tutulması gereken sütunların seri numaraları |
additional_col_count_to_keep |
kaç sütunun saklanması gerektiğini belirler |
ptype |
sınıflandırma ya da regresyon |
Autoai-ts-libs işlevleri
Dönüştürücülerin ve kestiricilerin birleşimi, AutoAI Zaman Serisi sistemi tarafından her bir ardışık işlem için tasarlanır ve seçilir. Dönüştürücülerin ya da oluşturulan ardışık işlem defterindeki tahmin edicilerin değiştirilmesi beklenmeyen sonuçlara ya da hatta hataya neden olabilir. Oluşturulan ardışık çizgiler için not defterini değiştirmenizi önermiyoruz, bu nedenle autoai-ts-libs kitaplığı için işlev belirtimini sunmuyoruz.
Daha fazla bilgi
Üst konu: AutoAI tarafından oluşturulan bir not defterinin kaydedilmesi