machine-learning - 如何将字典提供给 Julia 中的 Flux 模型

Question

所以我有一个 20000x4 的数据集，其中 4 列有字符串。第一个是描述，其他三个是类别，最后一个是我希望预测的。我对第一列的每个单词进行标记并将其保存在字典中，并使用其各自的 Int 值，并将其他列更改为具有数值。现在我很难理解如何在 Flux 模型中提供这些数据。

根据文档，我必须使用“数据集合进行训练(通常是一组输入 x 和目标输出 y)”。在示例中，它将数据 x 和 y 分开。但是我怎样才能用字典加两个数字列来实现呢？

编辑:

这是我现在拥有的一个最小示例:

using WordTokenizers
using DataFrames

dataframe = DataFrame(Description = ["It has pointy ears", "It has round ears"], Size = ["Big", "Small"], Color = ["Black", "Yellow"], Category = ["Dog", "Cat"])

dict_x = Dict{String, Int64}()
dict_y = Dict{String, Int64}()

function words_to_numbers(data, column, dict)
    i = 1
    for row in range(1, stop=size(data, 1))
        array_of_words = tokenize(data[row, column])
        for (index, word) in enumerate(array_of_words)
            if haskey(dict, word)
                continue
            else
                dict[word] = i
                i += 1
            end
        end
    end
end

function categories_to_numbers(data, column, dict)
    i = 1
    for row in range(1, stop=size(data, 1))
        if haskey(dict, data[row, column])
            continue
        else
            dict[data[row, column]] = i
            i += 1
        end
    end
end

words_to_numbers(dataframe, 1, dict_x)
categories_to_numbers(dataframe, 4, dict_y)

我想使用 dict_x 和 dict_y 作为 Flux 模型的输入和输出

Answer 1

考虑这个例子:

using DataFrames

df = DataFrame()
df.food = rand(["apple", "banana", "orange"], 20)

multiplier(fruit) = (1 + (0.1 * rand())) * (fruit == "apple" ? 95 : 
    fruit == "orange" ? 45 : 105)
foodtoken(f) = (fruit == "apple" ? 0 : fruit == "orange" ? 2 : 3)

df.calories = multiplier.(df.food)
foodtoken(f) = (fruit == "apple" ? 0 : fruit == "orange" ? 2 : 3)

fooddict = Dict(fruit => (fruit == "apple" ? 0 : fruit == "orange" ? 2 : 3)
    for fruit in df.food)

现在我们可以将标记数值添加到数据帧中:

df.token = map(x -> fooddict[x], df.food)

println(df)

现在您应该能够使用 df.token 作为输入、df.calories 作为输出来运行预测。

========== 发布更多代码后的附录:===========

通过修改后的示例，您只需要一个辅助函数:

function colvalue(s, dict)
    total = 0
    for (k, v) in dict
        if occursin(k, s)
            total += 10^v
        end
    end
    total
end


words_to_numbers(dataframe, 1, dict_x)
categories_to_numbers(dataframe, 4, dict_y)

dataframe.descripval = map(x -> colvalue(x, dict_x), dataframe.Description)
dataframe.catval = map(x -> colvalue(x, dict_y), dataframe.Category)

println(dataframe)