Hem Personliga finanser Så här konverterar du Raw Data till en Predictive Analysis Matrix

Så här konverterar du Raw Data till en Predictive Analysis Matrix

Innehållsförteckning:

Video: Nassim Haramein 2015 - The Connected Universe 2025

Video: Nassim Haramein 2015 - The Connected Universe 2025
Anonim

Innan du kan extrahera grupper av liknande dataobjekt från ditt dataset för ditt prediktiva analysprojekt, kanske du måste representera dina data i en tabell format som kallas en datmatris . Detta är ett förbehandlingssteg som kommer före dataklypning.

Så här skapar du en förutsägbar analysmatris av termer i dokument

Antag datasetet som du ska analysera finns i en uppsättning Microsoft Word-dokument. Det första du behöver göra är att konvertera uppsättningen dokument till en datamatris. Flera kommersiella och open source-verktyg kan hantera den uppgiften, som producerar en matris, där varje rad motsvarar ett dokument i datasetet. Exempel på dessa verktyg är RapidMiner och R text mining paket.

A dokument är i grunden en uppsättning ord. En termen är en uppsättning av ett eller flera ord.

Varje term som ett dokument innehåller nämns antingen en eller flera gånger i samma dokument. Antalet gånger en term nämns i ett dokument kan representeras av termfrekvens (TF), ett numeriskt värde.

Vi konstruerar matrisen av termer i dokumentet enligt följande:

  • De termer som visas i alla dokument finns listade över den övre raden.

  • Dokttitlar listas längst ned till vänster kolumnen

  • Numren som visas i matriscellerna motsvarar varje termins frekvens.

Exempelvis är dokument A representerat som antal siffror (5, 16, 0, 19, 0, 0.) där 5 motsvarar antalet gånger som uttrycket predictive analytics upprepas, 16 motsvarar antalet till gånger datavetenskap upprepas, och så vidare. Det här är det enklaste sättet att konvertera en uppsättning dokument till en matris.

Prediktiv Analytics Datavetenskap Lärande Kluster 2013 Antropologi
Dokument A 5 16 0 < 19 0 0 Dokument B
8 6 2 3 0 0 Dokument C
0 < 5 2 3 3 9 Dokument D 1
9 13 4 6 7 > Dokument E 2 16
16 0 2 13 Dokument F 13 0
19 16 > 4 2 Grunderna i val av prediktivt analysterminal En utmaning för att klustra textdokument är att bestämma hur man väljer de bästa villkoren för att representera alla dokument i samlingen. Hur viktigt en term är i en samling dokument kan beräknas på olika sätt. Om du exempelvis räknar hur många gånger en term upprepas i ett dokument och jämför det totala med hur ofta det återkommer i hela samlingen får du en känsla av begreppets betydelse i förhållande till andra villkor. Baserat på den relativa betydelsen av en term på sin frekvens i en samling är det ofta känt som

viktning

. Den vikt du tilldelar kan baseras på två principer:

Villkor som visas flera gånger i ett dokument gynnas över termer som bara visas en gång.

Villkor som används i relativt få dokument är favoriserade över termer som nämns i alla dokument. Om (till exempel) termen century

  • nämns i alla dokument i datasetet, kanske du inte överväger att ge den tillräckligt med vikt för att ha en kolumn i sig själv i matrisen.

  • På samma sätt kan du enkelt konvertera datasetet till en matris om du arbetar med en dataset för användare av ett online socialt nätverk. Användar-ID eller namn kommer att inneha raderna; kolumnerna kommer att lista funktioner som bäst beskriver dessa användare.

Så här konverterar du Raw Data till en Predictive Analysis Matrix

Redaktörens val

Hur man byter ut Excel 2010-data för att se all text - dummies

Hur man byter ut Excel 2010-data för att se all text - dummies

Använd Wrap Text knappen på fliken Hem i Excel 2010 för att lägga in lång text i en cell genom att visa den på flera rader i cellen. Den här funktionen hjälper dig att undvika problemet med att förkorta text eller bredda kolumner för att visa all text som finns i cellerna. När ...

Hur man skriver formulär i Excel 2013 - dummies

Hur man skriver formulär i Excel 2013 - dummies

Excel formler kan göra allt som en grundläggande kalkylator kan göra, så om du har bråttom och inte vill dra upp Windows Calculator-programmet kan du skriva in en formel i Excel för att få ett snabbt resultat. Experimentera med denna typ av formel är ett bra sätt att bli van vid formler i ...

Redaktörens val

Gör och gör inte för golfspectators - dummies

Gör och gör inte för golfspectators - dummies

Golf etikett är inte begränsat till bara spelare. Om du deltar i en golfturnering (professionell eller amatör), var medveten om att fansen förväntas uppträda på vissa sätt så att de inte stör spelarna eller andra åskådare. Du kommer aldrig att gå fel om du följer dessa enkla golfetikettstandarder: Gör: Var tyst när spel är ...

Viktiga artiklar du behöver i din golfväska - Dummies

Viktiga artiklar du behöver i din golfväska - Dummies

Golfväskor är inte bara för att hålla klubbar. Som någon sport behöver golf annan viktig utrustning och hjälpsamma saker som gör ditt spel lite enklare. Här är väsentliga för att sätta på dig din golfbag: Minst sex bollar Ett par trätoppar Ett par handskar En regnbåge Ett repeteringsverktyg för höjdpunkter Ett par ...

Redaktörens val

Hur man startar om webhosthanteringsservicen - dummies

Hur man startar om webhosthanteringsservicen - dummies

Skönheten hos en webbhotell är att alla sina huvudfunktioner har sin egen "service" som du kan starta om. En tjänst är en mjukvara - ett program som körs på servern som hanterar en viss funktion. Om en av tjänsterna slutar fungera, behöver du inte nödvändigtvis starta om ...

Hur man tar bort din webbplats från en svart lista - dummies

Hur man tar bort din webbplats från en svart lista - dummies

Ditt domännamn eller IP-adressdomän är svartlistad när det har visat sig att skicka spam e-post. Om din webbplats har svartlistats kan det inte vara ditt fel - speciellt om du är på en delad server. Det kan hända att en annan webbplats på servern har skickat avsiktligt skräppost. Det är också ...

Hur man hanterar webbhanteraren Mail Queue - dummies

Hur man hanterar webbhanteraren Mail Queue - dummies

Med åtkomst till backend på din server, får du också åtkomst till vissa webbhanterarens mailfunktioner som tidigare inte var tillgängliga för dig. Bläddra i den vänstra menyn i WHM för att hitta avsnittet Mail som ligger nära botten. I det här avsnittet finns det alternativ som kan vara användbara för dig om ...