グラフとグラフのデータと文字列の扱い

Question

私は、日付、時刻、部署名、国名などの一部がDate、その他がcategorical Dataである大きな日付セットを持っています。

graphlab.linear_regression.createメソッドを呼び出すと、このデータがグラフラボでどのように処理されるのですか。このデータを前処理して数値に変換するか、グラフラブに直接渡す必要がありますか。

Answer 1

Graphlabは、ほとんどの場合、表形式とグラフ形式のデータセットを計算するために使用され、高い数字はscalabilityとperformanceです。 graphlab.linear_regression.createでは、graphlabは、データの種類を理解し、その結果を最適化するためlinear regressionの最も適切な方法を与えることの作り付けの機能を持っています。例えば、対象の数値データのためとの両方を備えています、ほとんどの時間は、graphlabは、線形回帰のNewtons Methodをとります。同様に、データセットに応じて、必要性を理解し、それに応じてメソッドを提供します。

前処理については、graphlabは学習の前に正しく解析する必要がある学習にはSFrameしかかかりません。 SFrameを作成中に、未処理およびエラー作成データが常に反映され、エラーがスローされます。したがって、学習を進めるには、きれいなデータが必要です。 SFrameがデータを受け取り、また、あなたがしたいことを学ぶためのあなたの選択したターゲットと機能の場合は、行ってもいいですが、pre-processingとcleaning dataは常に推奨されます。また、常に学習アルゴリズムの前にfeature engineeringを実行し、学習の前にデータ型を再定義することは常に正確さのために推奨されます。

データはGraphlabに扱われる方法についてのあなたのポイントについて、私はそれが依存して、と言うでしょう！一部のデータセットは表形式であり、それに応じて処理され、グラフ構造で処理されるデータセットもあります。 regression treeとgraphlab以外のライブラリにかかり、かなりの時間とリソースをdecision treeコンセプトに従い、あるboosted classifiersに来るときGraphlabは非常によく実行されます。私にとって

、推奨エンジンを作成しながら、私はノードとエッジのデータセットを持っていたし、非常によくしても、ツリー構造化データ、graphlabを実行するために、boosted tree classifier 18との反復があまりにも非常にスケーラブルな時間に完璧に働いたと私は言わなければならないところgraphlabは非常に好調。この回答が役に立ったら嬉しいです。