selectFeatures: Machine Learning の特徴選択の変換

  • [アーティクル]

特徴選択変換は、指定されたモードを使用して、指定された変数から特徴を選択します。

使用方法

  selectFeatures(vars, mode, ...)

引数

vars

モードが minCount() の場合は、特徴選択を実行する変数の名前を指定する、式または文字列のベクトルやリスト。 たとえば、「 ~ var1 + var2 + var3 」のように入力します。 モードが mutualInformation() の場合は、依存変数と独立変数を記述する式または文字列の名前付きリスト。 たとえば、「 label ~ ``var1 + var2 + var3 」のように入力します。

mode

特徴選択のモードを指定します。 minCount または mutualInformation を指定できます。

...

Microsoft コンピューティング エンジンに直接渡される追加の引数。

詳細

特徴選択変換は、2 つのモード (カウントまたは相互情報量) のいずれかを使用して、指定された変数から特徴を選択します。 詳細については、「minCount」と「mutualInformation」を参照してください。

値

変換を定義する maml オブジェクト。

こちらもご覧ください

minCountmutualInformation

例


 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 which generated 128 features.
 outModel1 <- rxLogisticRegression(like~reviewCatHash, data = trainReviews, l1Weight = 0, 
     mlTransforms = list(categoricalHash(vars = c(reviewCatHash = "review"), hashBits = 7)))
 summary(outModel1)

 # Apply a categorical hash transform and a count feature selection transform
 # which selects only those hash slots that has value.
 outModel2 <- rxLogisticRegression(like~reviewCatHash, data = trainReviews, l1Weight = 0, 
     mlTransforms = list(
   categoricalHash(vars = c(reviewCatHash = "review"), hashBits = 7), 
   selectFeatures("reviewCatHash", mode = minCount())))
 summary(outModel2)

 # Apply a categorical hash transform and a mutual information feature selection transform
 # which selects only 10 features with largest mutual information with the label.
 outModel3 <- rxLogisticRegression(like~reviewCatHash, data = trainReviews, l1Weight = 0, 
     mlTransforms = list(
   categoricalHash(vars = c(reviewCatHash = "review"), hashBits = 7), 
   selectFeatures(like ~ reviewCatHash, mode = mutualInformation(numFeaturesToKeep = 10))))
 summary(outModel3)