示例¶ 转换 CountVectorizer 或 TfidfVectorizer 时遇到的棘手问题 转换 CountVectorizer 或 TfidfVectorizer 时遇到的棘手问题 训练和部署 scikit-learn 管道 训练和部署 scikit-learn 管道 转换包含 LightGBM 分类器的管道 转换包含 LightGBM 分类器的管道 转换时黑名单运算符 转换时黑名单运算符 什么是 opset 号？ 什么是 opset 号？ 中间结果与分析 中间结果与分析 将数组存储在一个 ONNX 图中 将数组存储在一个 ONNX 图中 处理差异（tf-idf） 处理差异（tf-idf） 修改 ONNX 图 修改 ONNX 图 WOE 转换器 WOE 转换器 基准测试 ONNX 转换 基准测试 ONNX 转换 将 DataFrame 作为输入 将 DataFrame 作为输入 一个模型，多种可能的转换选项 一个模型，多种可能的转换选项 使用其他转换器实现新转换器 使用其他转换器实现新转换器 切换到浮点数时遇到的问题 切换到浮点数时遇到的问题 转换包含 LightGBM 回归器的管道 转换包含 LightGBM 回归器的管道 通过添加解析器更改输出数量 通过添加解析器更改输出数量 选择合适的分类器输出 选择合适的分类器输出 带选项的新转换器 带选项的新转换器 实现转换器的两种方法 实现转换器的两种方法 转换包含 CatBoost 分类器的管道 转换包含 CatBoost 分类器的管道 实现新转换器 实现新转换器 转换包含 XGBoost 模型的管道 转换包含 XGBoost 模型的管道 pyod.models.iforest.IForest 的转换器 pyod.models.iforest.IForest 的转换器 WOEEncoder（来自 categorical_encoder）的转换器 WOEEncoder（来自 categorical_encoder）的转换器 FunctionTransformer 的问题 FunctionTransformer 的问题 TfIdf 和稀疏矩阵 TfIdf 和稀疏矩阵 FeatureHasher、pandas 值与意外差异 FeatureHasher、pandas 值与意外差异 Sphinx-Gallery 生成的图库
