Uji Kesesuaian Chi-square - Platform For AI

Topik ini menjelaskan komponen Uji Kesesuaian Chi-square yang disediakan oleh Machine Learning Designer. Komponen ini digunakan dalam skenario di mana variabel kategoris diterapkan. Komponen ini bertujuan untuk menentukan perbedaan antara frekuensi observasi dan frekuensi harapan untuk setiap klasifikasi dari satu variabel kategoris multikelas tunggal. Hipotesis nol mengasumsikan bahwa frekuensi observasi dan frekuensi harapan adalah sama.

Konfigurasikan komponen

Anda dapat mengonfigurasi komponen Uji Kesesuaian Chi-square menggunakan salah satu metode berikut:

Metode 1: Konfigurasikan komponen di Machine Learning Designer

Konfigurasikan komponen pada tab konfigurasi pipeline dari Machine Learning Designer di konsol Platform for AI.

Parameter	Deskripsi
Kolom Input	Kolom tempat Anda ingin melakukan uji chi-square.
Probabilitas Kelas	Konfigurasi probabilitas kelas. Tentukan parameter ini dalam format `Kelas:Probabilitas`. Jumlah semua probabilitas adalah 1.

Metode 2: Jalankan perintah Platform for AI

Konfigurasikan parameter komponen dengan menggunakan perintah Platform for AI. Anda dapat menggunakan komponen SQL Script untuk menjalankan perintah Platform for AI. Untuk informasi lebih lanjut, lihat SQL Script. Tabel berikut menjelaskan parameter dari perintah yang digunakan untuk mengonfigurasi komponen ini.

PAI -name chisq_test
    -project algo_public
    -DinputTableName=pai_chisq_test_input
    -DcolName=f0
    -DprobConfig=0:0.3,1:0.7
    -DoutputTableName=pai_chisq_test_output0
    -DoutputDetailTableName=pai_chisq_test_output0_detail

Parameter	Diperlukan	Deskripsi	Nilai default
inputTableName	Ya	Nama tabel input.	Tidak ada.
colName	Ya	Nama kolom.	Tidak ada.
outputTableName	Ya	Nama tabel output.	Tidak ada.
outputDetailTableName	Ya	Nama tabel detail output.	Tidak ada.
inputTablePartitions	Tidak	Partisi yang dipilih dari tabel input untuk pelatihan. Format berikut didukung: Partition_name=value name1=value1/name2=value2: partisi multi-level Catatan Jika Anda menentukan beberapa partisi, pisahkan mereka dengan koma (,).	Secara default, parameter ini dibiarkan kosong.
probConfig	Tidak	Konfigurasi probabilitas kelas. Tentukan parameter ini dalam format `Kelas:Probabilitas`. Jumlah semua probabilitas adalah 1.	Secara default, parameter ini tidak ditentukan, dan semua nilai probabilitasnya sama.

Contoh

Data Uji

create table pai_chisq_test_input as
select * from
(
  select '1' as f0,'2' as f1
  union all
  select '1' as f0,'3' as f1
  union all
  select '1' as f0,'4' as f1
  union all
  select '0' as f0,'3' as f1
  union all
  select '0' as f0,'4' as f1
)tmp;

Perintah PAI

PAI -name chisq_test
    -project algo_public
    -DinputTableName=pai_chisq_test_input
    -DcolName=f0
    -DprobConfig=0:0.3,1:0.7
    -DoutputTableName=pai_chisq_test_output0
    -DoutputDetailTableName=pai_chisq_test_output0_detail

Deskripsi Output

Tabel output yang ditentukan oleh parameter outputTableName berada dalam format JSON. Tabel tersebut hanya berisi satu baris dan satu kolom.

{
    "Chi-Square": {
        "comment": "Uji chi-square Pearson",
        "df": 1,
        "p-value": 0.75,
        "value": 0.2380952380952381
    }
}

Tabel berikut menjelaskan kolom dalam tabel detail output yang ditentukan oleh parameter outputDetailTableName.

nama kolom	komentar
colName	Kelas sumber data.
observed	Frekuensi observasi.
expected	Frekuensi harapan.
residuals	Residu standar, yang dihitung dengan menggunakan ekspresi berikut: `(Residu standar = (Frekuensi observasi - Frekuensi harapan)/sqrt(Frekuensi harapan)`.

Data yang Dihasilkan