BlockedTransformers type

Enumeración para todos los modelos de clasificación compatibles con AutoML.
KnownBlockedTransformers puede usarse indistintamente con BlockedTransformers, este enum contiene los valores conocidos que soporta el servicio.

Valores conocidos admitidos por el servicio

TextTargetEncoder: Codificación objetivo para datos de texto.
OneHotEncoder: La codificación en caliente Ohe crea una transformación binaria de características.
CatTargetEncoder: Codificación de destino para datos categóricos.
TfIdf: Tf-Idf significa frecuencia de término por frecuencia inversa de documentos. Este es un esquema de ponderación de términos común para identificar información de documentos.
WoETargetEncoder: La codificación por peso de la evidencia es una técnica utilizada para codificar variables categóricas. Utiliza el logaritmo natural de P(1)/P(0) para crear ponderaciones.
LabelEncoder: El codificador de etiquetas convierte etiquetas/variables categóricas en forma numérica.
Incrustación de palabras: La incrustación de Word ayuda representa palabras o frases como un vector, o una serie de números.
NaiveBayes: Naive Bayes es una clasificación que se utiliza para clasificar características discretas que están categóricamente distribuidas.
CountVectorizer: Count Vectorizer convierte una colección de documentos de texto en una matriz de recuentos de tokens.
HashOneHotEncoder: Hacer un hash de One Hot Encoder puede convertir variables categóricas en un número limitado de nuevas funcionalidades. Esto se usa a menudo para características categóricas de alta cardinalidad.