Condividi tramite


categorical: trasformazione categorica dei dati di Machine Learning

Trasformazione categorica che può essere eseguita sui dati prima di eseguire il training di un modello.

Utilizzo

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

Arguments

vars

Vettore di caratteri o elenco di nomi di variabili da trasformare. Se è denominato, i nomi rappresentano i nomi delle nuove variabili da creare.

outputKind

Stringa di caratteri che specifica il tipo di output.

  • "ind": restituisce un vettore indicatore. La colonna di input è un vettore di categorie e l'output contiene un vettore indicatore per ogni slot nella colonna di input.
  • "bag": restituisce un vettore multi-set. Se la colonna di input è un vettore di categorie, l'output contiene un vettore, dove il valore in ogni slot è il numero di occorrenze della categoria nel vettore di input. Se la colonna di input contiene una singola categoria, il vettore indicatore e il vettore contenitore sono equivalenti
  • "key": restituisce un indice. L'output è un ID intero della categoria, compreso tra 1 e il numero di categorie nel dizionario.
    Il valore predefinito è "ind".

maxNumTerms

Intero che specifica il numero massimo di categorie da includere nel dizionario. Il valore predefinito è 1000000.

terms

Vettore di caratteri facoltativo di termini o categorie.

...

Argomenti aggiuntivi inviati al motore di calcolo.

Dettagli

La trasformazione categorical passa attraverso un set di dati, che opera sulle colonne di testo, per creare un dizionario di categorie. Per ogni riga, l'intera stringa di testo visualizzata nella colonna di input è definita come categoria. L'output della trasformazione categorica è un vettore indicatore. Ogni slot di questo vettore corrisponde a una categoria del dizionario, quindi la sua lunghezza corrisponde alle dimensioni del dizionario creato. La trasformazione categorica può essere applicata a una o più colonne, nel qual caso crea un dizionario separato per ogni colonna a cui viene applicata.

categorical non è attualmente supportato per gestire i dati dei fattori.

Valore

Oggetto maml che definisce la trasformazione.

Autore/i

Microsoft Corporation Microsoft Technical Support

Vedi anche

rxFastTrees, rxFastForest, rxNeuralNet, rxOneClassSvm, rxLogisticRegression.

Esempi


 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