DataCleaner---5.15 机器学习

5.15 机器学习

DataCleaner提供了一组用于训练或测试机器学习模型的分析器。其思想是，可以使用记录来构建 (“train”) 一个数学模型，该模型基于记录的其他属性来描述任何给定属性/列的值。例如，您可以根据给定价格的历史数据和价格的相关因素（如大小、位置、条件和时间）对房价进行分类或预测。

支持两种用例：

• 分类，即确定一类记录的行为。例如，您可能希望根据客户的属性对最适合特定客户的产品进行分类。
• 回归，它决定了一个数字尺度上的连续值。例如，你可能想根据房子的特点来预测房子的价格。

DataCleaner内置了对以下类型机器学习模型的支持：

• Random Forests
• Support Vector Machines
• Neural Networks

在训练模型时，您提供了表示真实观察的数据。这些记录必须包含您将尝试使用回归进行分类或预测的属性的值。
影响预测或分类的属性称为特征。特征必须是数字，以便为模型提供有意义的数学输入。因此，有时必须从原始值中提取特征，而不是按原样应用。例如，在文本分析中，当您试图确定一段文本的语言或性质时，通常需要从文本中提取n-grams。
DataCleaner提供以下特征提取策略（将列作为输入添加到training组件时选择）：

• Direct (0.0 to 1.0), Takes numerical values as-is.(按原样取数值。)
• Scaled (Min-Max), Scales numerical values from the minimum to the maximum value observed.(缩放（最小-最大），将观察到的数值从最小值缩放到最大值。)
• Vector (One-Hot Encoding), Generates a feature for every distinct value encountered. The values of the feature will be either 0 or 1 to indicate whether or not the record has that particular value.(向量（一个热编码），为遇到的每个不同值生成一个特征。特性的值将是0或1，以指示记录是否具有该特定值。)
• Vector (2-gram), Generates a feature for every 2-gram observed in the text.(向量（2-gram），为文本中观察到的每2-gram生成一个特征。)
• Vector (3-gram), Generates a feature for every 3-gram observed in the text.(向量（3-gram），为文本中观察到的每3-gram生成一个特征。)
• Vector (4-gram), Generates a feature for every 4-gram observed in the text.(向量（4-gram），为文本中观察到的每4-gram生成一个特征。)
• Vector (5-gram), Generates a feature for every 5-gram observed in the text.(向量（5-gram），为文本中观察到的每5-gram生成一个特征。)

点这儿返回DataCleaner文档主目录