BlockedTransformers type

Enum para todos os modelos de classificação suportados pelo AutoML.
Os KnownBlockedTransformers podem ser usados de forma intercambiável com BlockedTransformers, este enum contém os valores conhecidos que o serviço suporta.

Valores conhecidos suportados pelo serviço

TextTargetEncoder: Codificação de destino para dados de texto.
OneHotEncoder: Ohe hot encoding cria uma transformação binária de características.
CatTargetEncoder: Codificação de alvo para dados categóricos.
TfIdf: Tf-Idf significa, termo-frequência vezes inversa da frequência do documento. Trata-se de um esquema de ponderação de termos comuns para identificar informações de documentos.
WoETargetEncoder: A codificação por peso de evidência é uma técnica usada para codificar variáveis categóricas. Ele usa o log natural do P(1)/P(0) para criar pesos.
LabelEncoder: O codificador de etiquetas converte etiquetas/variáveis categóricas numa forma numérica.
WordEmbedding: O Word embedding ajuda a representar palavras ou frases como um vetor, ou uma série de números.
NaiveBayes: Naive Bayes é um classificado utilizado para classificar características discretas que são categoricamente distribuídas.
CountVectorizer: Count Vectorizer converte uma coleção de documentos de texto numa matriz de contagens de tokens.
HashOneHotEncoder: O hashing do One Hot Encoder pode transformar variáveis categóricas num número limitado de novas funcionalidades. Isto é frequentemente usado para características categóricas de alta cardinalidade.