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
特徴ベクトルを組み合わせる
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
features_assembler
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
features_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。
[Parameters] (パラメーター)
カラムに入力するパラメーターは
inputCols=sms_tf_idf_vect,num_currency,num_numeric,num_exclamation
です。
この変換では、
tModelEncoder
はすべての機能Vectorを1つの機能カラムに結合します。
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
各メッセージ内の無関係な単語の重みを軽くする
次のトピック
ランダムフォレストを使ってモデルをトレーニングする