categoricalHash: transformação categórica de HashData do Machine Learning

  • Artigo

É possível executar uma transformação categórica de hash em dados antes de treinar um modelo.

Uso

  categoricalHash(vars, hashBits = 16, seed = 314489979, ordered = TRUE,
    invertHash = 0, outputKind = "Bag", ...)

Argumentos

vars

Um vetor de caracteres ou uma lista de nomes de variáveis a serem transformadas. Caso tenham nomes, estes representam os nomes das variáveis a serem criadas.

hashBits

Um inteiro especificando o número de bits nos quais usar hash. Ele deve estar inclusive entre 1 e 30. O valor padrão é 16.

seed

Um inteiro especificando a semente de hash. O valor padrão é 314489979.

ordered

Use TRUE para incluir a posição de cada termo no hash. Caso contrário, FALSE. O valor padrão é TRUE.

invertHash

Um inteiro especificando o limite do número de chaves que podem ser usadas para gerar o nome do slot. 0 significa que não há um hash invertido. -1 significa que não há limite. Embora um valor zero forneça um desempenho mais adequado, é preciso usar um valor não zero para obter nomes de coeficientes significativos. O valor padrão é 0.

outputKind

Uma cadeia de caracteres que especifica o tipo de saída.

  • "ind": gera um vetor indicador. A coluna de entrada é um vetor de categorias e a saída contém um vetor indicador por slot na coluna de entrada.
  • "bag": gera um vetor de vários conjuntos. Se a coluna de entrada for um vetor de categorias, a saída conterá um vetor, em que o valor em cada slot será o número de ocorrências da categoria no vetor de entrada. Caso a coluna de entrada contenha uma categoria única, o vetor indicador e o vetor recipiente serão equivalentes
  • "key": gera um índice. A saída é uma ID da categoria de valor inteiro (entre 1 e o número de categorias no dicionário).
    O valor padrão é "Bag".

...

Argumentos adicionais enviados ao mecanismo de computação.

Detalhes

categoricalHash converte um valor categórico em uma matriz de indicador, transformando o valor em hash e usando o hash como um índice no recipiente. Caso a coluna de entrada seja um vetor, um recipiente indicador retornará para ela.

No momento, categoricalHash não é compatível com o tratamento de dados de fator.

Valor

um objeto maml que define a transformação.

Autor(es)

Microsoft Corporation Microsoft Technical Support

Confira também

rxFastTrees, rxFastForest, rxNeuralNet, rxOneClassSvm, rxLogisticRegression.

Exemplos


 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 hash transform
 outModel2 <- rxLogisticRegression(like~reviewCatHash, data = trainReviews, 
     mlTransforms = list(categoricalHash(vars = c(reviewCatHash = "review"))))
 # Weights are similar to categorical
 summary(outModel2)

 # Use the model to score
 scoreOutDF2 <- rxPredict(outModel2, data = testReviews, 
     extraVarsToWrite = "review")
 scoreOutDF2