Полигон алгоритмов/Формат данных задачи

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: Задачи в формате системы «Полигон» представляют собой набор [http://ru.wikipedia.org/wiki/CSV .csv-файлов]. Разделител...)
(Имена признаков/PropertyNames.csv(*))
Строка 58: Строка 58:
== Имена признаков/PropertyNames.csv(*) ==
== Имена признаков/PropertyNames.csv(*) ==
 +
 +
Столбец длинны M. Состоит из строк, каждая строка --- имя признака. Порядок строк должен соответствовать порядку признаков в матрице Objects.
== Описание значений номинальных признаков/NominalsDescription.csv(*) ==
== Описание значений номинальных признаков/NominalsDescription.csv(*) ==

Версия 05:50, 22 октября 2009

Задачи в формате системы «Полигон» представляют собой набор .csv-файлов. Разделителем служит точка с запятой (;). Пропуск или пусто поле --- двумя подряд идущими разделителями. Например, если в строке есть значения 3, пропуск и 4, то строка в .csv-файле будет выглядеть так: "3;;4". Не все данные для задачи являются необходимыми. Обязательные файлы --- это матрица объекты-признаки и вектор значений. Все остальные данные --- необязательные. Необязательные файлы отмечены (*).

Содержание

Общая информация/Index.csv(*)

Информация о задаче. Файл может лежать в архиве передаваемом системе. В первой строке записан размер данных задачи <Число_объектов>;<Число_признаков>. В следующих строках указано расположение прочей информации о задаче. В первой ячейке строки идет имя информации, во второй и последующих –-- сама информация.

Имя Ожидаемые значения во второй ячейке строки
Objects Имя файла в котором лежит матрица объекты-признаки задачи. По умолчанию это файл Objects.csv
Target Имя файла в котором лежат данные целевого признака. По умолчанию это файл Target.csv
PropertyTypes Имя файла в котором лежит информация о типах признаков. По умолчанию это файл PropertyTypes.csv
PropertyNames Имя файла в котором лежат имена признаков задачи. По умолчанию это файл PropertyNames.csv
NominalsDescription Имя файлв в котором лежат описания номинальных признаков задачи. По умолчанию это файл NominalsDescription.csv
BadClass Метка выделенного («плохого») класса. Относительно этого класса рассчитываются некоторые показатели в системе.

Данные/Objects.csv

Матрица объекты-признаки. Т.к. это матрица, то число ячеек в каждой строке должно быть постоянным и равно числу признаков. Число строк должно совпадать с числом объектов. Не нужно оставлять в этом файле имена колонок-признаков их нужно вынести в PropertyNames. В ячейках могут находиться пропуски, дробные числа (для числовых признаков, десятичный разделитель -- точка), целые числа (числовые и номинальные признаки) или строки (только для номинальных признаков). Размер матрицы N на M.

Целевой вектор/Target.csv

Столбец размером N. Может содержать целые числа или строки. Не может содержать пропусков.

Типы признаков/PropertyTypes.csv(*)

Столбец размером M. Каждая строка должна быть равна одному из 4-х значений "NUM", "ORD", "NOM", "BIN". Не может содержать пропусков.

Тип признака Описание
NUM Числовой признак, например: доход, возраст, рост, вес.
ORD Номинальный, упорядоченный признак. Число значений данного признака конечно, все значения целые. На значениях признака определен естественный порядок.
NOM Номинальный признак имеет конечное число значений. Значения признака не сравнимы друг с другом. Пример номинального признака: пол.
BIN Бинарный признак. Да/нет, true/false. В матрице должен быть 1/0 соответственно.

Имена признаков/PropertyNames.csv(*)

Столбец длинны M. Состоит из строк, каждая строка --- имя признака. Порядок строк должен соответствовать порядку признаков в матрице Objects.

Описание значений номинальных признаков/NominalsDescription.csv(*)

Личные инструменты