BlockedTransformers type

AutoML에서 지원하는 모든 분류 모델에 대한 열거형입니다.
KnownBlockedTransformers 는 BlockedTransformers와 서로 교환하여 사용할 수 있으며, 이 열거는 서비스가 지원하는 알려진 값을 포함합니다.

서비스에서 지원하는 알려진 값

TextTargetEncoder: 텍스트 데이터를 위한 타겟 인코딩입니다.
OneHotEncoder: 오히려 핫 인코딩은 이진 특징 변환을 만듭니다.
CatTargetEncoder: 범주 데이터를 위한 타겟 인코딩입니다.
TfIdf: Tf-Idf 용어-빈도에 문서 빈도를 곱하는 약자입니다. 이는 문서에서 정보를 식별하기 위한 일반적인 용어 가중치 체계입니다.
WoETargetEncoder: 증거의 가중치 인코딩은 범주 변수를 인코딩하는 데 사용되는 기법입니다. P(1)/P(0)의 자연 로그를 사용하여 가중치를 생성합니다.
LabelEncoder: 라벨 인코더는 라벨/범주 변수를 숫자 형태로 변환합니다.
WordEmbedding: Word embedding은 단어나 구를 벡터나 일련의 숫자로 표현하는 데 도움을 줍니다.
나이브베이즈: 나이브 베이즈는 범주적으로 분포된 이산 특징을 분류하는 데 사용되는 분류 방법입니다.
CountVectorizer: Count Vectorizer는 텍스트 문서 모음을 토큰 카운트 행렬로 변환합니다.
HashOneHotEncoder: 하나의 핫 인코더를 해싱하면 범주 변수를 제한된 수의 새로운 기능으로 바꿀 수 있습니다. 이는 카디널리티가 높은 범주형 기능에 자주 사용됩니다.