Поделиться через


categorical: преобразование в категории в данных для Машинного обучения

Преобразование в категории может выполняться в данных перед обучением модели.

Использование

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

Аргументы

vars

Вектор символов или список имен переменных для преобразования. Примененные имена представляют имена новых переменных, которые будут созданы.

outputKind

Символьная строка, указывающая тип выходных данных.

  • "ind": выводит вектор индикаторов. Входной столбец является вектором категорий, а выходные данные содержат один вектор индикаторов для каждого слота во входном столбце.
  • "bag": выводит вектор с несколькими множествами. Если входной столбец является вектором категорий, то выходные данные содержат один вектор, в котором значение в каждом слоте равно количеству вхождений категории во входном векторе. Если входной столбец содержит одну категорию, то вектор индикаторов и вектор контейнеров эквивалентны
  • "key": выводит индекс. Выходным значением является целочисленный идентификатор категории (в диапазоне от 1 до числа категорий в словаре).
    Значение по умолчанию — "ind".

maxNumTerms

Целое число со знаком, определяющее максимальное количество категорий для включения в словарь. Значение по умолчанию — 1 000 000.

terms

Необязательный символьный вектор терминов или категорий.

...

Дополнительные аргументы, отправляемые в подсистему вычислений.

Сведения

Преобразование categorical проходит через набор данных, работая с текстовыми столбцами, чтобы создать словарь категорий. Для каждой строки вся текстовая строка, отображаемая во входном столбце, определяется как категория. Выходными данными преобразования в категории является вектор индикаторов. Каждый слот в этом векторе соответствует категории в словаре, поэтому его длина равна размеру созданного словаря. Преобразование в категории можно применить к одному или нескольким столбцам, в этом случае создается отдельный словарь для каждого столбца, к которому применяется преобразование.

categorical сейчас не поддерживает обработку данных факторов.

Значение

Объект maml, определяющий преобразование.

Авторы

Корпорация Майкрософт Microsoft Technical Support

См. также

rxFastTrees, rxFastForest, rxNeuralNet, rxOneClassSvm, rxLogisticRegression.

Примеры


 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