通用机器学习
- 数据多维分析组件总体介绍文档
- 组件页面总共分为5个，按照顺序分别是数据概览以及标签列选择、特征列选择、特征工程、模型选择以及模型校验展示页面，下面按次序分别说明页面中各个选项含义以及用法。
- 数据概览以及标签列选择页面
- 页面如下图所示，大致分为3部分
- 第一部分为页面流程，显示当前是整个流程中的哪一步
- 第二部分为标签列选择的下拉框，用以选择用来预测的标签列
- 第三部分为输入数据的概览，包含了当前所有的列
- 当选择了标签列后，会默认根据标签列中的数据判断当前的预测问题是分类还是回归
- 若判断为回归：则会展示标签列中数据的区间分布，如下图所示
- 若判断为分类：则会展示标签列中各个类别的频率直方图；同时增加了类别权重以及代价矩阵输入按钮，如下图所示
- 输入代价矩阵：用于确定分类问题训练时的代价矩阵，可以不输入
- 输入类别权重：用于确定分类问题训练时每一个类别的权重，可以不设置，默认所有类别权重为1
- 特征列选择页面
- 页面如下图所示：
- 此页面中，展示了除了标签列以外的所有数据列的详细信息，包含了与标签列的相关系数、不同取值占比、最多取值占比、缺失值占比，点击选择符合要求的列，进入下一步。
- 相关系数：与标签列的相关性系数，系数越大，说明该列与标签列相关性越高。
- 不同取值占比：该列中所有不同的取值数量占总数的比值，比值越大，则说明数据不同的取值越多，若该列为字符串类型的话，例如姓名，则该列对后续训练、预测没有什么用户，可以丢弃。
- 最多取值占比：该列中数量最多的某个取值的数量占总数的比值，比值越大，则说明数据越倾向于同一个值，则该列对后续训练、预测没有什么用户，可以丢弃。
- 缺失值占比：该列中所有缺失值数量占总数的比值，比值越大，说明缺失的数据越多，如果超过一定限额，则该列失去了实际的意义，可以丢弃。
- 特征工程页面
- 页面如下图所示：
- 模型选择页面
- 模型校验与展示页面