Contents - ONNX 开放神经网络交换 Menu - ONNX 开放神经网络交换 Expand - ONNX 开放神经网络交换 Light mode - ONNX 开放神经网络交换 Dark mode - ONNX 开放神经网络交换 Auto light/dark, in light mode - ONNX 开放神经网络交换 Auto light/dark, in dark mode - ONNX 开放神经网络交换 跳至内容
sklearn-onnx 1.19.1 文档
Logo
sklearn-onnx 1.19.1 文档
  • 简介
  • 教程
    • 简单案例
      • 训练和部署 scikit-learn 管道
      • 基准测试 ONNX 转换
      • 什么是 opset 号？
      • 一个模型，多种可能的转换选项
      • 选择合适的分类器输出
      • 转换时黑名单运算符
      • 切换到浮点数时遇到的问题
      • 中间结果与分析
      • 将数组存储在一个 ONNX 图中
      • 将 DataFrame 作为输入
      • 修改 ONNX 图
    • 使用其他库的转换器
      • 转换包含 LightGBM 分类器的管道
      • 转换包含 LightGBM 回归器的管道
      • 转换包含 XGBoost 模型的管道
      • 转换包含 CatBoost 分类器的管道
    • 自定义模型的自定义转换器
      • 实现新转换器
      • 实现转换器的两种方法
      • FunctionTransformer 的问题
      • 使用其他转换器实现新转换器
      • 带选项的新转换器
      • 通过添加解析器更改输出数量
    • 高级场景
      • 转换 CountVectorizer 或 TfidfVectorizer 时遇到的棘手问题
      • TfIdf 和稀疏矩阵
      • WOE 转换器
    • 为其他库编写转换器
      • pyod.models.iforest.IForest 的转换器
  • API 摘要
  • 示例图库
    • 元数据
    • ONNX Runtime 后端用于 ONNX
    • 绘制管道
    • 日志，详细信息
    • 概率或原始分数
    • 训练、转换和预测模型
    • 将 ONNX 节点附加到转换后的模型
    • 分析管道
    • 比较 CDist 与 scipy
    • 转换包含 LightGbm 模型的管道
    • 概率作为向量或 ZipMap
    • 转换具有减少的运算符列表的模型
    • NMF 分解的自定义运算符
    • StandardScaler 的差异
    • 基准测试管道
    • 转换包含 XGBoost 模型的管道
    • GaussianProcessorRegressor 的差异：使用双精度
    • onnxruntime 的错误
    • 玩转 ONNX 运算符
    • 转换模型的不同方法
    • 转换包含 ColumnTransformer 的管道
    • TfIdfVectorizer 与 ONNX
    • 遍历中间输出
    • 当自定义模型既不是分类器也不是回归器时（备选方案）
    • 当自定义模型既不是分类器也不是回归器时
    • 为自己的模型编写转换器
  • 转换管道
  • 带选项的转换器
  • 支持的 scikit-learn 模型
返回顶部
查看此页面

高级场景¶

可能会出现意外的差异。这是一个包含已解决问题和未解决问题的示例列表。

  • 转换 CountVectorizer 或 TfidfVectorizer 时遇到的棘手问题
  • TfIdf 和稀疏矩阵
  • WOE 转换器
下一页
转换 CountVectorizer 或 TfidfVectorizer 时出现的棘手问题
上一页
通过添加解析器来更改输出数量
版权所有 © 2018-2025，Microsoft
由 Sphinx 和 @pradyunsg 的 Furo 制作