categoricalHash: Machine Learning Categorical HashData Transform

Artikel
05/23/2023

Transformasi hash kategoris yang dapat dilakukan pada data sebelum melatih model.

Penggunaan

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

Argumen

`vars`

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

`hashBits`

Bilangan bulat yang menentukan jumlah bit yang akan di-hash. Harus antara 1 dan 30, inklusif. Nilai defaultnya adalah 16.

`seed`

Bilangan bulat yang menentukan benih hashing. Nilai defaultnya adalah 314489979.

`ordered`

TRUE untuk menyertakan posisi setiap istilah dalam hash. Sebaliknya, FALSE. Nilai defaultnya adalah TRUE.

`invertHash`

Bilangan bulat yang menentukan batas jumlah kunci yang dapat digunakan untuk menghasilkan nama slot. 0 berarti tidak ada invert hashing; -1 berarti tidak ada batasan. Meskipun nilai nol memberikan performa yang lebih baik, nilai non-nol diperlukan untuk mendapatkan nama koefisien yang bermakna. Nilai defaultnya adalah 0.

`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 "Bag".

`...`

Argumen tambahan yang dikirim ke mesin komputasi.

Detail

categoricalHash mengonversi nilai kategoris menjadi array indikator dengan hashing nilai dan menggunakan hash sebagai indeks dalam tas. Jika kolom input adalah vektor, satu kantong indikator dikembalikan untuk itu.

categoricalHash saat ini tidak mendukung penanganan data faktor.

Nilai

objek yang maml 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 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

Bagikan melalui