Freigeben über


categorical: Machine Learning – Kategorische Datentransformation

Kategorische Transformation, die auf Daten angewendet werden kann, bevor ein Modell trainiert wird.

Verwendung

  categorical(vars, outputKind = "ind", maxNumTerms = 1e+06, terms = "",
    ...)

Argumente

vars

Ein Zeichenvektor oder eine Liste mit den zu transformierenden Variablennamen. Falls benannt, sind dies die Namen der neu zu erstellenden Variablen.

outputKind

Eine Zeichenfolge, die die Art der Ausgabe angibt.

  • "ind": gibt einen Indikatorvektor aus. Die Eingabespalte ist ein Vektor von Kategorien, und die Ausgabe enthält einen Indikatorvektor pro Slot in der Eingabespalte.
  • "bag": gibt einen Vektor mit mehreren Mengen aus. Wenn die Eingabespalte ein Vektor von Kategorien ist, enthält die Ausgabe einen Vektor, wobei der Wert in jedem Slot die Anzahl der Vorkommen der Kategorie im Eingabevektor ist. Falls die Eingabespalte eine einzige Kategorie enthält, sind Indikatorvektor und Behältervektor gleichwertig
  • "key": gibt einen Index aus. Die Ausgabe ist eine ganzzahlige ID der Kategorie (im Bereich 1 bis zur Anzahl der Kategorien im Wörterbuch).
    Standardwert: "ind".

maxNumTerms

Eine ganze Zahl, die die maximale Anzahl von Kategorien angibt, die in das Wörterbuch aufgenommen werden sollen. Der Standardwert ist 1000000.

terms

Optionaler Zeichenvektor für Terme oder Kategorien.

...

Zusätzliche Argumente, die an die Compute-Engine gesendet werden.

Details

Die Transformation categorical durchläuft ein Dataset und wird auf Textspalten angewendet, um ein Kategoriewörterbuch zu erstellen. Für jede Zeile wird die gesamte Zeichenfolge in der Eingabespalte als Kategorie definiert. Die Ausgabe der kategorischen Transformation ist ein Indikatorvektor. Jeder Slot in diesem Vektor entspricht einer Kategorie im Wörterbuch, sodass seine Länge der Größe des erstellten Wörterbuchs entspricht. Die kategorische Transformation kann auf eine oder mehrere Spalten angewendet werden. In diesem Fall wird ein separates Wörterbuch für jede Spalte erstellt, auf die sie angewendet wird.

categorical wird derzeit nicht für die Verarbeitung von Faktordaten unterstützt.

Wert

Ein maml-Objekt, das die Transformation definiert.

Autor(en)

Microsoft Corporation Microsoft Technical Support

Weitere Informationen

rxFastTrees, rxFastForest, rxNeuralNet, rxOneClassSvm, rxLogisticRegression.

Beispiele


 trainReviews <- data.frame(review = c( 
         "This is great",
         "I hate it",
         "Love it",
         "Do not like it",
         "Really like it",
         "I hate it",
         "I like it a lot",
         "I kind of hate it",
         "I do like it",
         "I really hate it",
         "It is very good",
         "I hate it a bunch",
         "I love it a bunch",
         "I hate it",
         "I like it very much",
         "I hate it very much.",
         "I really do love it",
         "I really do hate it",
         "Love it!",
         "Hate it!",
         "I love it",
         "I hate it",
         "I love it",
         "I hate it",
         "I love it"),
      like = c(TRUE, FALSE, TRUE, FALSE, TRUE,
         FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE,
         FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, 
         FALSE, TRUE, FALSE, TRUE), stringsAsFactors = FALSE
     )

     testReviews <- data.frame(review = c(
         "This is great",
         "I hate it",
         "Love it",
         "Really like it",
         "I hate it",
         "I like it a lot",
         "I love it",
         "I do like it",
         "I really hate it",
         "I love it"), stringsAsFactors = FALSE)


 # Use a categorical transform: the entire string is treated as a category
 outModel1 <- rxLogisticRegression(like~reviewCat, data = trainReviews, 
     mlTransforms = list(categorical(vars = c(reviewCat = "review"))))
 # Note that 'I hate it' and 'I love it' (the only strings appearing more than once)
 # have non-zero weights
 summary(outModel1)

 # Use the model to score
 scoreOutDF1 <- rxPredict(outModel1, data = testReviews, 
     extraVarsToWrite = "review")
 scoreOutDF1