Bagikan melalui


kategoris: Transformasi Data Kategoris Pembelajaran Mesin

Transformasi kategoris yang dapat dilakukan pada data sebelum melatih model.

Penggunaan

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

Argumen

vars

Vektor karakter atau daftar nama variabel untuk diubah. Jika dinamai, nama mewakili nama variabel baru yang akan dibuat.

outputKind

String karakter yang menentukan jenis output.

  • "ind": Menghasilkan vektor indikator. Kolom input adalah vektor kategori, dan output berisi satu vektor indikator per slot di kolom input.
  • "bag": Menghasilkan vektor multi-set. Jika kolom input adalah vektor kategori, output berisi satu vektor, di mana nilai di setiap slot adalah jumlah kemunculan kategori dalam vektor input. Jika kolom input berisi satu kategori, vektor indikator dan vektor tas setara
  • "key": Menghasilkan indeks. Output adalah ID bilangan bulat (antara 1 dan jumlah kategori dalam kamus) kategori.
    Nilai defaultnya adalah "ind".

maxNumTerms

Bilangan bulat yang menentukan jumlah maksimum kategori untuk disertakan dalam kamus. Nilai defaultnya adalah 1000000.

terms

Vektor karakter opsional dari istilah atau kategori.

...

Argumen tambahan dikirim ke mesin komputasi.

Detail

categorical Transformasi melewati himpunan data, beroperasi pada kolom teks, untuk menyusun kamus kategori. Untuk setiap baris, seluruh string teks yang muncul di kolom input didefinisikan sebagai kategori. Output dari transformasi kategoris adalah vektor indikator. Setiap slot dalam vektor ini sesuai dengan kategori dalam kamus, sehingga panjangnya adalah ukuran kamus bawaan. Transformasi kategoris dapat diterapkan ke satu atau beberapa kolom, dalam hal ini membangun kamus terpisah untuk setiap kolom tempatnya diterapkan.

categorical saat ini tidak didukung untuk menangani data faktor.

Nilai

Objek maml yang menentukan transformasi.

Penulis

Microsoft Corporation Microsoft Technical Support

Lihat juga

rxFastTrees, rxFastForest, rxNeuralNet, rxOneClassSvm, rxLogisticRegression.

Contoh


 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