メイン コンテンツをスキップする
補完的コンテンツへスキップ
Qlik.com
Community
Learning
日本語 (変更)
Deutsch
English
Français
日本語
中文(中国)
閉じる
ドキュメント
Qlik Talend ドキュメンテーション
リリース ノート
インストールとアップグレード
データ統合
管理と実行
データ品質とガバナンス
アプリケーションと API 統合
追加のリソース
API ドキュメンテーション ポータル
セキュリティ ポータル
Talend アーカイブ
Qlik ヘルプ
Getting Started
Getting started with Talend cloud
Talend Cloud
Talend Cloud API Designer
Talend Cloud Data Inventory
Talend Cloud Data Preparation
Talend Cloud Data Stewardship
Talend Cloud Pipeline Designer
Talend Cloud API Services Platform
Getting started with Talend on premises
Talend Data Fabric
Talend Data Preparation
Talend Data Stewardship
Qlik ヘルプに移動
日本語 (変更)
Deutsch
English
Français
日本語
中文(中国)
検索
ヘルプを検索
メニュー
閉じる
ヘルプを検索
こちらにフィードバックをお寄せください
Talend Components
Machine Learning
Machine Learningのシナリオ
スパムをフィルタリングする分類モデルを作成
ランダムフォレストを使って分類モデルを作成する
tModelEncoderを使ってSMSテキストメッセージを特徴ベクトルに変換する
各メッセージの単語の重みを計算する
このページ上
手順
Availability-note
非推奨
このコンテンツは非推奨になりました。
手順
tf
とラベル表示された
tModelEncoder
コンポーネントをダブルクリックして、
[Component] (コンポーネント)
ビューを開きます。
Tokenizer
とラベル表示された
tModelEncoder
に前述の操作を繰り返して、
Vector
型の
sms_tf_vect
カラムを出力スキーマに追加し、上の画像に示すように変換を定義します。
この変換では、
tModelEncoder
は
HashingTF
を使って、トークン化済みのSMSメッセージを固定長(このシナリオでは
15
)の特徴ベクトルに変換し、各SMSメッセージの単語の重要性を反映します。
このページは役に立ちましたか?
このページまたはコンテンツにタイポ、ステップの省略、技術的エラーなどの問題が見つかった場合はお知らせください。
こちらにフィードバックをお寄せください
前のトピック
メッセージを単語に変換する
次のトピック
各メッセージ内の無関係な単語の重みを軽くする