Platform For AI:データビュー

コンポーネントの構成

方法1：コンソールを使用

ビジュアルモデリングで、[データピボット] コンポーネントをパイプラインに追加し、右側のペインでそのパラメーターを構成します。

方法2：PAI コマンドを使用

SQL スクリプトコンポーネントで PAI コマンドを実行することで、[データピボット] コンポーネントのパラメーターを構成できます。詳細については、「シナリオ 4：SQL スクリプトコンポーネントで PAI コマンドを実行」をご参照ください。

PAI
-name fe_meta_runner
-project algo_public
-DinputTable="pai_dense_10_10"
-DoutputTable="pai_temp_2263_20384_1"
-DmapTable="pai_temp_2263_20384_2"
-DselectedCols="pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign,poutcome"
-DlabelCol="y"
-DcategoryCols="previous"
-Dlifecycle="28"-DmaxBins="5" ;

例

1. 次のテーブルに示すように、テストデータを準備します。

   年齢

   勤務形態

   Fwlght

   学歴

   学歴 (数値)

   既婚

   C

   家族

   人種

   性別

   Gail

   損失

   勤続年数

   国

   収入

   39

   State-gov

   77516

   Bachelors

   13

   Never-married

   Adm-clerical

   Not-in-family

   White

   Male

   2174.0

   0.0

   40.0

   United-States

   <=50K

   50

   Self-emp-not-inc

   83311

   Bachelors

   13

   Married-civ-spouse

   Exec-managerial

   Husband

   White

   Male

   0.0

   0.0

   13.0

   United-States

   <=50K

   38

   Private

   215646

   HS-grad

   9

   Divorced

   Handlers-cleaners

   Not-in-family

   White

   Male

   0.0

   0.0

   40.0

   United-States

   <=50K

   53

   Private

   234721

   11th

   7

   Married-civ-spouse

   Handlers-cleaners

   Husband

   Black

   Male

   0.0

   0.0

   40.0

   United-States

   <=50K

   28

   Private

   338409

   Bachelors

   13

   Married-civ-spouse

   Prof-specialty

   Wife

   Black

   Female

   0.0

   0.0

   40.0

   Other

   <=50K

   37

   Private

   284582

   Masters

   14

   Married-civ-spouse

   Exec-managerial

   Wife

   White

   Female

   0.0

   0.0

   40.0

   United-States

   <=50K

   49

   Private

   160187

   9th

   5

   Married-spouse-absent

   Other-service

   Not-in-family

   Black

   Female

   0.0

   0.0

   16.0

   Jamaica

   <=50K

   52

   Self-emp-not-inc

   209642

   HS-grad

   9

   Married-civ-spouse

   Exec-managerial

   Husband

   White

   Male

   0.0

   0.0

   45.0

   United-States

   >50K

   31

   Private

   45781

   Masters

   14

   Never-married

   Prof-specialty

   Not-in-family

   White

   Female

   14084.0

   0.0

   50.0

   United-States

   >50K

   42

   Private

   159449

   Bachelors

   13

   Married-civ-spouse

   Exec-managerial

   Husband

   White

   Male

   5178.0

   0.0

   40.0

   United-States

   >50K

2. Read Table コンポーネントとデータピボットコンポーネントをパイプラインに追加し、接続します。

   

   [データピボット] コンポーネントの [フィールド設定] タブで、income をターゲット列として選択し、他の 14 のフィールドを特徴列として選択します。BIGINT 型の edu_num フィールドを列挙型特徴量として扱います。[データピボット] コンポーネントの [フィールド設定] タブには、[特徴列]、[ターゲット列]、[列挙型特徴量] にそれぞれ 14、1、1 のフィールドが選択されていることが表示されます。

3. 左上隅の をクリックしてパイプラインを実行します。

4. パイプラインの実行が完了したら、データピボットコンポーネントを右クリックし、[データを表示] を選択して結果を表示します：

   • 出力：機械学習アルゴリズム用にデータを準備するため、family、race、sex、income などの STRING 型の列が数値にマッピングされます。結果のトレーニングデータテーブルには、age、fwlght、edu_num、edu、workclass、married、c、family、race、sex、country、gail、loss、work_year、income の 15 列が含まれます。country 列は、STRING 型の特徴列であることを示すためにハイライト表示されます。

   • 文字列型特徴量マッピングテーブル

     説明

     STRING 型の特徴列が選択されていない場合、[文字列カラム特徴マッピングテーブル]は空になります。

     文字列型特徴量マッピングテーブルには、feature_name、feature_value、map_id の 3 つの列が含まれます。各行は、カテゴリカル特徴量の値を数値 ID にマッピングします。たとえば、特徴 edu_num の場合、値 13 は 1 に、14 は 2 にマッピングされます。特徴 edu の場合、値 '11th' は 1 に、'Bachelors' は 3 にマッピングされます。

   • 出力メタテーブル：出力特徴メタデータテーブルには 10 列 (feature_name、feature_id、feature_type、feature_value、mean、std、min_value、max_value、label_num、distribute_info) と 15 行の特徴データが含まれます。feature_type は、label (income の場合)、enum (edu_num、edu、workclass、married、c、family、race、sex、country の場合)、または num (age、fwlght、gail、loss、work_year の場合) になります。数値特徴 (num) の場合、mean、std、min_value、max_value の列には特定の統計値が含まれます。列挙 (enum) およびラベル特徴の場合、これらの列にはすべて -1.0 が含まれます。feature_value 列には、各特徴の列挙値または数値範囲が表示され、distribute_info 列には、特徴値のディストリビューションが表示されます。distribute_info は、特徴の値の範囲を等間隔に分割した後の各間隔のレコード数を示します。