BlockedTransformers type

Enumeration für alle Klassifizierungsmodelle, die von AutoML unterstützt werden.
KnownBlockedTransformers können austauschbar mit BlockedTransformers verwendet werden, dieses Enum enthält die bekannten Werte, die der Dienst unterstützt.

Bekannte Werte, die vom Dienst unterstützt werden

TextTargetEncoder: Zielcodierung für Textdaten.
OneHotEncoder: Die heiße Codierung erzeugt eine binäre Merkmalstransformation.
CatTargetEncoder: Zielkodierung für kategoriale Daten.
TfIdf: Tf-Idf steht für Term-Frequenz mal inverse Dokument-Frequenz. Dabei handelt es sich um ein gebräuchliches Gewichtungsschema zur Identifizierung von Informationen aus Dokumenten.
WoETargetEncoder: Weight of Evidence-Codierung ist eine Technik, die zur Kodierung kategorischer Variablen verwendet wird. Es verwendet den natürlichen Logarithmus von P(1)/P(0), um Gewichte zu erstellen.
LabelEncoder: Der Label-Encoder wandelt Labels/kategoriale Variablen in numerischer Form um.
WordEmbedding: Word Embedding stellt Wörter oder Phrasen als Vektor oder als Zahlenreihe dar.
Naive Bayes: Naive Bayes ist eine Klassifikation, die zur Klassifizierung diskreter Merkmale verwendet wird, die kategorisch verteilt sind.
CountVectorizer: Count Vectorizer wandelt eine Sammlung von Textdokumenten in eine Matrix von Token-Zählungen um.
HashOneHotEncoder: Das Hashen eines Hot Encoders kann kategorische Variablen in eine begrenzte Anzahl neuer Funktionen umwandeln. Dies wird häufig für kategoriale Features mit hoher Kardinalität verwendet.