Replace Discrete Values

Sostituisce i valori discreti di una colonna con i valori numerici basati su un'altra colonna

Categoria: Funzioni statistiche

Panoramica del modulo

Questo articolo descrive come usare il modulo Sostituisci valori discreti in Machine Learning Studio (versione classica) per generare un punteggio di probabilità che può essere usato per rappresentare un valore discreto. Questo punteggio può essere utile per comprendere il valore delle informazioni dei valori discreti.

Come funziona:

Selezionare una colonna contenente il valore discreto (o categorico) e quindi selezionare un'altra colonna da usare come riferimento.

A seconda che la seconda colonna sia categorica o non categorica, il modulo calcola uno dei valori seguenti:

• Probabilità condizionale per la seconda colonna in base ai valori nella prima colonna.
• Deviazionemedia e standard per ogni gruppo di valori nella prima colonna.

Il modulo restituisce sia un set di dati con i punteggi che una funzione che è possibile salvare e applicare ad altri set di dati.

Come configurare Sostituisci valori discreti

1. Aggiungere il modulo Replace Discrete Values (Sostituisci valori discreti) all'esperimento. È possibile trovare questo modulo nel gruppo Funzioni statistiche nell'elenco degli elementi dell'esperimento in Machine Learning Studio (versione classica).

2. Connessione un set di dati contenente almeno una colonna di dati categorici.

3. Colonne discrete: fare clic su Avvia selettore di colonna per scegliere una colonna che contenga valori discreti (o categorici).

   Le colonne discrete selezionate devono essere categoriche. Se si verifica un errore, usare il modulo Edit Metadata (Modifica metadati) per modificare il tipo di colonna.

4. Colonne di sostituzione: fare clic su Avvia selettore di colonna per scegliere la colonna contenente i valori da usare nel calcolo di un punteggio di sostituzione.

   Se si selezionano più colonne per Colonne discrete, è necessario scegliere un numero uguale di colonne sostitutive.

5. Eseguire l'esperimento.

   Nota

   Non è possibile scegliere la funzione statistica da applicare. Il modulo calcola una misura appropriata, in base al tipo di dati della colonna selezionata per Colonna di sostituzione.

Risultati

Il modulo calcola uno dei valori seguenti per ogni coppia di colonne:

• Se la seconda colonna contiene valori categorici, il modulo calcola la probabilità condizionale della seconda colonna, dati i valori nella prima colonna.

  Si supponga, ad esempio, di aver scelto occupation il set di dati Census come colonna discreta e di gender scegliere come colonna sostitutiva. L'output del modulo sarà il seguente:

  P(gender | occupation)

• Se la seconda colonna contiene valori non categorici che possono essere convertiti in numeri (ad esempio valori numerici o booleani non contrassegnati come categorici), il modulo restituisce la deviazione media e standard per ogni gruppo di valori nella prima colonna.

  Si supponga, ad esempio, di occupation usare come colonna Discrete e che l'altra colonna sia la colonna numerica hours-per-week. Il modulo restituisce questi nuovi valori:

  Mean(hours-per-week | occupation)

  Std-Dev(hours-per-week | occupation)

Oltre ai punteggi di probabilità, il modulo restituisce anche un set di dati trasformato. In questo set di dati la colonna selezionata come colonne Replacement viene sostituita con una colonna contenente i punteggi calcolati.

Esempio

L'utilizzo di Sostituisci valori discreti può essere illustrato da alcuni semplici esempi.

Esempio 1 - Sostituire un valore categorico con un punteggio di probabilità

La tabella seguente contiene una colonna X categorica e una colonna Y con valori True/False gestiti come valori categorici. Quando si usa Sostituisci valori discreti, viene calcolato un punteggio di probabilità condizionale per la probabilità di Y data X, come illustrato nella terza colonna.

Esempio 2 - Calcolare la deviazione media e standard in base a una colonna non di categoria

Quando la seconda colonna è numerica, Sostituisci valori discreti calcola la deviazione media e standard anziché un punteggio di probabilità condizionale.

L'esempio seguente è basato sul set di dati di esempio Auto Prices , semplificato come segue:

• È stato selezionato un piccolo subset di colonne.

• Sono state estratte solo le prime 30 righe, usando l'opzione Head del modulo Partition and Sample .

• Il modulo Replace Discrete Values (Sostituisci valori discreti) è stato usato per calcolare la deviazione media e standard per il peso del veicolo. data la colonna categorica, num-of-doors.

Nella tabella seguente vengono illustrati i risultati:

È possibile verificare la media per ogni gruppo di valori usando la funzione AVERAGEIF in Excel.

Esempio 3 - Gestione dei valori mancanti

Questo esempio illustra come i valori mancanti (valori Null) vengono propagati ai risultati quando vengono calcolati i punteggi di probabilità condizionale.

• Se la colonna di valori discreti e la colonna di ricerca per il calcolo contengono alcuni valori mancanti, questi verranno propagati alla nuova colonna.

• Se la colonna di valori discreti contiene solo valori mancanti, il modulo non è in grado di elaborare la colonna e viene visualizzato un errore.

Note tecniche

• È necessario assicurarsi che tutte le colonne discrete da sostituire siano categoriche. In caso contrario, il modulo restituirà un errore. A tale scopo, usare il modulo Modifica metadati.

• Se la seconda colonna contiene valori booleani, i valori True-False vengono elaborati come valori numerici, con FALSE e TRUE equivalenti rispettivamente a 0 e 1.

• La formula nella colonna della deviazione standard calcola la deviazione standard della popolazione. Di conseguenza, N viene usato nel denominatore anziché (N - 1).

• Se la seconda colonna contiene dati non di categoria (valori numerici o booleani), il modulo calcola la deviazione media e standard di Y per il valore specificato di X.

  Ciò significa che per ogni riga del set di dati indicizzato da i:

  Mean(Y│X)i = Mean(Y│X = Xi)

  StdDev(Y│X)i = StdDev(Y│X = Xi)

• Se la seconda colonna contiene dati categorici o valori non numerici né booleani, il modulo calcola la probabilità condizionale di Y per il valore specificato di X.

• Tutti i valori booleani nella seconda colonna vengono elaborati come dati numerici, con FALSE e TRUE equivalenti rispettivamente a 0 e 1.

• Se la colonna discreta include una classe, in modo che nella seconda colonna sia presente una riga con un valore vuoto, la somma delle probabilità condizionali all'interno della classe sarà minore di uno.

Input previsti

Parametri del modulo

Output

Eccezioni

Per un elenco di errori specifici dei moduli di Studio (versione classica), vedere l'Machine Learning codici di errore.

Per un elenco delle eccezioni API, vedere l'Machine Learning di errore dell'API REST.

Vedi anche

Funzioni statistiche