Fonction ML.LABEL_ENCODER

Ce document décrit la fonction ML.LABEL_ENCODER, que vous pouvez utiliser pour encoder une expression de chaîne en une valeur INT64 dans [0, <number of categories>].

Le vocabulaire d'encodage est trié par ordre alphabétique. Les valeurs NULL et les catégories qui ne figurent pas dans le vocabulaire sont encodées en 0.

Lorsqu'elle est utilisée dans la clause TRANSFORM, les valeurs de vocabulaire calculées lors de l'entraînement, ainsi que les valeurs Top k et de seuil de fréquence que vous avez spécifiées, sont automatiquement utilisées dans la prédiction.

Syntaxe

ML.LABEL_ENCODER(string_expression [, top_k] [, frequency_threshold]) OVER()

ML.LABEL_ENCODER utilise les arguments suivants :

  • string_expression : expression STRING à encoder.
  • top_k : valeur INT64 qui spécifie le nombre de catégories incluses dans le vocabulaire d'encodage. La fonction sélectionne les top_k catégories les plus fréquentes dans les données et les utilise. Les catégories inférieures à ce seuil sont encodées en 0. Cette valeur doit être inférieure à 1,000,000 pour éviter les problèmes dus à une dimensionnalité élevée. La valeur par défaut est 32,000.
  • frequency_threshold : valeur INT64 qui limite les catégories incluses dans le vocabulaire d'encodage en fonction de la fréquence de catégorie. La fonction utilise des catégories dont la fréquence est supérieure ou égale à frequency_threshold. Les catégories inférieures à ce seuil sont encodées en 0. La valeur par défaut est 5.

Sortie

ML.LABEL_ENCODER renvoie une valeur INT64 qui représente l'expression de chaîne encodée.

Exemple

L'exemple suivant effectue l'encodage des étiquettes sur un ensemble d'expressions de chaîne. Cela limite le vocabulaire d'encodage aux deux catégories qui se produisent le plus fréquemment dans les données et qui se produisent également deux fois ou plus.

SELECT f, ML.LABEL_ENCODER(f, 2, 2) OVER () AS output
FROM UNNEST([NULL, 'a', 'b', 'b', 'c', 'c', 'c', 'd', 'd']) AS f
ORDER BY f;

La sortie ressemble à ceci :

+------+--------+
|  f   | output |
+------+--------+
| NULL |      0 |
| a    |      0 |
| b    |      1 |
| b    |      1 |
| c    |      2 |
| c    |      2 |
| c    |      2 |
| d    |      0 |
| d    |      0 |
+------+--------+

Étapes suivantes