Apprendimento automatico non è riservata solo per Python e R più. Si può fare molto direttamente nel database con la lingua che tutti conoscono: SQL . Oggi esploreremo come usarlo per calcolare l'importanza delle funzionalità, con circa cinque righe di codice.
Non hai voglia di leggere? Guarda il mio video sull'argomento:
Useremo Oracle Cloud per questo articolo. È gratuito, quindi registrati e crea un'istanza del database OLTP (versione 19c, ha 0,2 TB di spazio di archiviazione). Al termine, stabilisci una connessione tramite SQL Developer Web o qualsiasi altro strumento.
Per quanto riguarda il set di dati, utilizzeremo un set di dati sull'abbandono del settore delle telecomunicazioni , disponibile per il download qui . Ho scelto questo set di dati perché ha molte funzionalità e non richiede alcuna preparazione manuale.
L'articolo è strutturato come segue:
L'importanza della caratteristica è una tecnica che assegna un punteggio alle caratteristiche di input (attributi) in base a quanto sono utili per la previsione (per la previsione della variabile obiettivo).
Il concetto è essenziale per la modellazione predittiva perché si desidera mantenere solo le caratteristiche importanti e scartarne altre. In questo modo, riduci sia la dimensionalità che il rumore. Può anche portarti a una migliore comprensione dei tuoi dati, per ovvi motivi.
Inoltre, il calcolo dell'importanza delle caratteristiche può fornire informazioni dettagliate sul funzionamento di un modello predittivo. Conoscendo i punteggi di importanza, puoi immediatamente dire ciò che il modello ritiene sia il più importante e perché fa previsioni nel modo in cui lo fa.
Inoltre, è sempre bene avere una conferma quantitativa e non lavorare su presupposti puri.
Se stai seguendo, dovresti aver scaricato il set di dati . Dovrai caricarlo nel database con uno strumento a tua scelta: sto usando SQL Developer Web , ma puoi usare praticamente qualsiasi cosa.
Il processo di caricamento è semplice: fai clic sul pulsante Carica , scegli il set di dati e fai clic su Avanti un paio di volte:
Il mio è memorizzato nella churntabella. Diamo un'occhiata a cosa c'è dentro eseguendo SELECT * FROM churnun'istruzione:
È ora possibile procedere con il calcolo dell'importanza delle caratteristiche.
Come promesso, questo richiederà solo un paio di righe di codice. L'importanza della funzionalità si ottiene tramite la EXPLAINprocedura del DBMS_PREDICTIVE_ANALYTICSpacchetto. Prevede tre parametri:
data_table_name - dove sono memorizzati i dati di origineexplain_column_name - il nome della variabile di destinazioneresult_table_name - una nuova tabella in cui vengono memorizzate le importanza delle caratteristicheE questo è tutto! Ora puoi dare uno sguardo all'importanza con una semplice SELECTdichiarazione. Quello sotto ordina le funzionalità, quindi quelle più importanti vengono visualizzate per prime:
Ecco i risultati:
Dall'immagine precedente, puoi subito dire cosa è importante e cosa non lo è. Il passaggio successivo consiste nell'utilizzare queste informazioni per un modello predittivo. È un po 'fuori dallo scopo di questo articolo, ma dovresti procedere con la modellazione della classificazione.
A quanto pare, questo può essere eseguito anche solo con SQL! Ecco come .
Penso che non ti aspettassi che il calcolo dell'importanza delle funzionalità con SQL fosse così facile. Ma lo è, proprio come il resto dell'apprendimento automatico nel database. SQL non è ancora un linguaggio per l'apprendimento automatico, ma possiamo dire che il futuro sembra promettente con questi recenti progressi.
Non perdere il resto del machine learning con la serie SQL:
Pubblicato originariamente su https://www.betterdatascience.com il 12 novembre 2020.
Nel mondo iperconnesso di oggi, i sistemi dei media svolgono un ruolo fondamentale nel plasmare l'opinione pubblica e, di conseguenza, nel processo decisionale democratico. Nella sua profonda analisi dell'economia politica della comunicazione, lo studioso Robert McChesney sfida la saggezza convenzionale e presenta quelle che definisce le "cinque verità" sui media.
POSSIAMO COLLEGARCI SU :| LINKEDIN | TWITTER | MEDIO | SOTTOPALLA | Il 10 maggio, il concorrente più eccitato e forte di Google per ChatGPT, BARD, è entrato in diretta in India. Il mio fascino non mi ha permesso di smettere di confrontare Bard con ChatGPT, e qui ci sono alcuni fantastici confronti.
Scritto da Jesse Clark, un ricercatore laureato presso il MIT Election Lab e un dottorato di ricerca.
Previsione della qualità dell'aria a Oakland, in California, utilizzando dati disponibili al pubblico Quando Google ed EDF hanno pubblicato il loro studio sulla mappatura dell'inquinamento atmosferico a Oakland, i risultati di questo studio hanno ricevuto molta attenzione. I dati che hanno rilasciato sono stati uno dei primi set di dati che hanno mostrato come la qualità dell'aria variava a seconda degli isolati urbani nell'Oakland orientale e occidentale.
Scritto con Daniel Fleck e David Lubert Il primo blog della nostra serie si concentrerà sull'utilizzo del valore attuale netto (NPV), del tasso di rendimento interno (IRR) e dell'indice di redditività (PI) per valutare in modo appropriato un progetto di data science. Discuteremo anche di come l'utilizzo di una metodologia di scienza dei dati possa affinare ulteriormente gli input di queste stesse metriche economiche per sviluppare valutazioni di qualità superiore.
Comprendere il concetto di base dell'algebra lineare utile per la decomposizione automatica e SVD In questo articolo imparerai il concetto di base, che è un modo interessante per comprendere i metodi di fattorizzazione matriciale come la decomposizione automatica o la scomposizione del valore singolare (SVD). Definizioni La base è un sistema di coordinate utilizzato per descrivere gli spazi vettoriali (insiemi di vettori).