Transformaciones de datos

Las transformaciones de datos se usan para:

Prepare los datos para el entrenamiento del modelo.
Aplique un modelo importado en formato TensorFlow o ONNX.
Datos posteriores al proceso después de pasarlos a través de un modelo.

Las transformaciones de esta guía devuelven clases que implementan la interfaz IEstimator. Las transformaciones de datos se pueden encadenar juntas. Cada transformación espera y genera datos de tipos y formatos específicos, que se especifican en la documentación de referencia vinculada.

Algunas transformaciones de datos requieren datos de aprendizaje para calcular sus parámetros. Por ejemplo, el transformador NormalizeMeanVariance calcula el medio y la varianza de los datos de aprendizaje durante la operación Fit() y usa esos parámetros en la operación Transform().

Otras transformaciones de datos no requieren datos de aprendizaje. Por ejemplo, la transformación ConvertToGrayscale puede realizar la operación Transform() sin haber visto ningún dato de aprendizaje durante la operación Fit().

Agrupación y asignación de columnas

Transformación	Definición	ONNX Exportable
Concatenate	Concatenar una o más columnas de entrada en una columna de salida nueva	Sí
CopyColumns	Copiar y cambiar el nombre de una o más columnas de entrada	Sí
DropColumns	Quitar una o más columnas de entrada	Sí
SelectColumns	Selecciona una o más columnas para conservar de los datos de entrada	Sí

Normalización y escalado

Transformación	Definición	ONNX Exportable
NormalizeMeanVariance	Restar la media (de los datos de aprendizaje) y dividir por la varianza (de los datos de aprendizaje)	Sí
NormalizeLogMeanVariance	Normalizar en función del logaritmo de los datos de aprendizaje	Sí
NormalizeLpNorm	Escalar los vectores de entrada según su norma lp, donde p es 1, 2 o infinito. Se establece de manera predeterminada en la norma l2 (distancia euclidiana)	Sí
NormalizeGlobalContrast	Escalar cada valor de una fila al restar la media de los datos de la fila y dividir por la desviación estándar o la norma l2 (de los datos de la fila) y multiplicar por un factor de escala configurable (valor predeterminado 2)	Sí
NormalizeBinning	Asignar el valor de entrada a un índice de bin y dividir por el número de bins para generar un valor flotante entre 0 y 1. Los límites de discretización se calculan para distribuir de manera uniforme los datos de aprendizaje entre las discretizaciones	Sí
NormalizeSupervisedBinning	Asignar el valor de entrada a una categoría en función de su correlación con la columna de etiqueta	Sí
NormalizeMinMax	Escalar la entrada por la diferencia entre los valores mínimo y máximo de los datos de aprendizaje	Sí
NormalizeRobustScaling	Escalar cada valor mediante estadísticas robustas frente a valores atípicos para centrar los datos en torno a 0 y escalarlos según el intervalo de cuantiles.	Sí

Conversiones entre los tipos de datos

Transformación	Definición	Exportable en ONNX
ConvertType	Convertir el tipo de una columna de entrada en un tipo nuevo	Sí
MapValue	Asignar valores a claves (categorías) en función del diccionario de asignaciones suministrado	No
MapValueToKey	Asignar valores a claves (categorías) mediante la creación de la asignación a partir de los datos de entrada	Sí
MapKeyToValue	Convertir las claves a sus valores originales.	Sí
MapKeyToVector	Convertir claves de vuelta a vectores de valores originales	Sí
MapKeyToBinaryVector	Convertir las claves nuevamente en un vector binario de valores originales	No
Hash	Aplicar un algoritmo hash al valor de la columna de entrada	Sí

Transformaciones de texto

Transformación	Definición	ONNX Exportable
FeaturizeText	Transformar una columna de texto en una matriz flotante de recuentos de n-gramas y char-gramas normalizados	No
TokenizeIntoWords	Dividir una o más columnas de texto en palabras individuales	Sí
TokenizeIntoCharactersAsKeys	Dividir una o más columnas de texto en flotantes de caracteres individuales sobre un conjunto de temas	Sí
NormalizeText	Cambio de mayúsculas y minúsculas, eliminación de marcas diacríticas, signos de puntuación y números	Sí
ProduceNgrams	Transformar una columna de texto en un contenedor de recuentos de n-gramas (secuencias de palabras consecutivas)	Sí
ProduceWordBags	Transformar una columna de texto en un contenedor de recuentos de vector de n-gramas	Sí
ProduceHashedNgrams	Transformar una columna de texto en un vector de recuentos de n-gramas con algoritmo hash	No
ProduceHashedWordBags	Transformar una columna de texto en un contenedor de recuentos de n-gramas con algoritmo hash	Sí
RemoveDefaultStopWords	Quitar las palabras irrelevantes predeterminadas para el idioma especificado de las columnas de entrada	Sí
RemoveStopWords	Quitar las palabras irrelevantes especificadas de las columnas de entrada	Sí
LatentDirichletAllocation	Transformar un documento (representado como vector de flotantes) en un vector de flotantes sobre un conjunto de temas	Sí
ApplyWordEmbedding	Convierta vectores de tokens de texto en vectores de oraciones con un modelo entrenado previamente	Sí

Transformaciones de imagen

Transformación	Definición	ONNX Exportable
ConvertToGrayscale	Convertir una imagen en escala de grises	No
ConvertToImage	Convertir un vector de píxeles en ImageDataViewType	No
ExtractPixels	Convertir píxeles de una imagen de entrada en un vector de números	No
LoadImages	Cargar imágenes de una carpeta en memoria	No
LoadRawImageBytes	Carga imágenes de datos en bruto en una nueva columna.	No
ResizeImages	Cambiar el tamaño de imágenes	No
DnnFeaturizeImage	Aplica un modelo de red neuronal profunda (DNN) entrenado previamente para transformar una imagen de entrada en un vector de característica	No