スパムをフィルタリングする分類モデルを作成
このシナリオは、ビッグデータとTalend Data Fabricを備えたTalend Platform製品にのみ適用されます。
Talendでサポートされているテクノロジーの詳細は、Talendコンポーネントをご覧ください。
-
tModelEncoder: いくつかのtModelEncoderコンポーネントは、指定されたSMSテキストメッセージを機能セットに変換するために使います。
-
tRandomForestModel: tModelEncoderから受信する機能を分析して、ジャンクメッセージまたは通常のメッセージがどのように見えるかを理解する分類モデルを構築します。
-
tClassify: 新しいジョブでこの分類モデルを適用して一連の新しいSMSテキストメッセージを処理し、スパムと通常のメッセージを分類します。このシナリオでは、tClassifyによって処理されるメッセージの分類は既知であり、明示的にマークされているため、この分類の結果を使ってモデルの精度が評価されます。
情報メモDeprecated: 6.2の一般公開リリース以降、このコンポーネントは、非推奨となっています。Talendは、tPredictコンポーネントの使用をお勧めします。 -
tHDFSConfiguration: このコンポーネントは、ジョブに依存するjarファイルの転送先となるHDFSシステムに接続するために、Sparkによって使用されます。
[Run] (実行)ビューの[Spark configuration] (Spark設定)タブで、ジョブ全体でのSparkクラスターへの接続を定義します。また、ジョブでは、依存jarファイルを実行することを想定しているため、Sparkがこれらのjarファイルにアクセスできるように、これらのファイルの転送先にするファイルシステム内のディレクトリーを指定する必要があります。-
Yarnモード(YarnクライアントまたはYarnクラスター):
-
Google Dataprocを使用している場合、[Spark configuration] (Spark設定)タブの[Google Storage staging bucket] (Google Storageステージングバケット)フィールドにバケットを指定します。
-
HDInsightを使用している場合、[Spark configuration] (Spark設定)タブの[Windows Azure Storage configuration] (Windows Azure Storage設定)エリアでジョブのデプロイメントに使用するブロブを指定します。
- Altusを使用する場合は、[Spark configuration] (Spark設定)タブでジョブのデプロイにS3バケットまたはAzure Data Lake Storageを指定します。
- Quboleを使用する場合は、ジョブにtS3Configurationを追加し、QuboleでS3システム内に実際のビジネスデータを書き込みます。tS3Configurationを使用しないと、このビジネスデータはQubole HDFSシステムに書き込まれ、クラスターをシャットダウンすると破棄されます。
-
オンプレミスのディストリビューションを使用する場合は、クラスターで使われているファイルシステムに対応する設定コンポーネントを使用します。一般的に、このシステムはHDFSになるため、tHDFSConfigurationを使用します。
-
-
[Standalone mode] (スタンドアロンモード): クラスターで使われているファイルシステム(tHDFSConfiguration Apache Spark BatchやtS3Configuration Apache Spark Batchなど)に対応する設定コンポーネントを使用します。
ジョブ内に設定コンポーネントがない状態でDatabricksを使用している場合、ビジネスデータはDBFS (Databricks Filesystem)に直接書き込まれます。
-