Contents Menu Expand Light mode Dark mode Auto light/dark mode Auto light/dark, in light mode Auto light/dark, in dark mode 跳至内容
sklearn-onnx 1.18.0 文档
Logo
sklearn-onnx 1.18.0 文档
  • 简介
  • 教程
    • 简单案例
      • 训练和部署 scikit-learn 管道
      • ONNX 转换基准测试
      • 什么是 opset 编号？
      • 一个模型，多种可能的转换选项
      • 选择分类器的适当输出
      • 转换时黑名单运算符
      • 切换到浮点数时的问题
      • 中间结果和调查
      • 在一个 onnx 图中存储数组
      • 数据框作为输入
      • 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
      • 实现新的转换器
      • 两种实现转换器的方法
      • FunctionTransformer 的问题
      • 使用其他转换器实现新的转换器
      • 带有选项的新转换器
      • 通过添加解析器更改输出数量
    • 高级场景
      • 转换 CountVectorizer 或 TfidfVectorizer 时的棘手问题
      • TfIdf 和稀疏矩阵
      • WOE 的转换器
    • 为其他库编写转换器
      • pyod.models.iforest.IForest 的转换器
  • API 摘要
  • 示例库
    • 元数据
    • ONNX 的 ONNX Runtime 后端
    • 绘制管道
    • 日志记录，详细程度
    • 概率或原始分数
    • 训练、转换和预测模型
    • 调查管道
    • 将 CDist 与 scipy 进行比较
    • 概率作为向量或作为 ZipMap
    • 转换包含 LightGbm 模型的管道
    • 转换具有减少的运算符列表的模型
    • 用于 NMF 分解的自定义运算符
    • 与 StandardScaler 的差异
    • 对管道进行基准测试
    • 转换包含 XGBoost 模型的管道
    • 与 GaussianProcessorRegressor 的差异：双精度数的使用
    • onnxruntime 的错误
    • 使用 ONNX 运算符
    • 转换模型的不同方法
    • 转换包含 ColumnTransformer 的管道
    • 使用 ONNX 的 TfIdfVectorizer
    • 遍历中间输出
    • 当自定义模型既不是分类器也不是回归器（替代方案）时
    • 当自定义模型既不是分类器也不是回归器时
    • 为自己的模型编写自己的转换器
  • 转换管道
  • 带有选项的转换器
  • 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。这是一个包含问题和已解决问题的示例列表。

  • 转换 CountVectorizer 或 TfidfVectorizer 时的棘手问题
  • TfIdf 和稀疏矩阵
  • WOE 的转换器
下一頁
转换 CountVectorizer 或 TfidfVectorizer 时的棘手问题
上一頁
通过添加解析器更改输出数量
版权所有 © 2018-2023，Microsoft
使用 Sphinx 和 @pradyunsg 的 Furo 制作