텍스트 탐색기 주제 모델 수식을 사용하여 새 텍스트의 주제 예측나는 나 자신을 위해 이것을 시도하려고 잠시 동안 시간을 보냈다 (심지어 "Googled It":), 성공하지 못했고, 이제는 전문가에게로 향했다.
텍스트 데이터와 JMP Pro가있는 고객이 있습니다. 그는 기존 데이터 (교육 및 검증 세트)를 사용하여 합리적인 주제 분석 모델을 제시하여 명목 응답을 예측합니다. 예를 들어, 고객이 전화로 회사 담당자에게 전화를 걸었을 때 누적 된 데이터를 기반으로 잠재 고객이 좋은 신용 위험이 될지 예측하기 위해 텍스트 입력을 사용하고 있습니다.
이제는 주제가 벡터를 사용하여 신용 위험을 예측하는 모델을 가지고 있습니다. 그는 이제 새로운 텍스트 데이터를 기존 모델에 입력하고 새 고객의 신용 위험을 예측하려고합니다. (이해가 되니?) 어떻게해야합니까?
Topic Vector Formula를 저장해 보았지만 새 행에 추가 된 텍스트의 새 항목 점수를 계산하지 않습니다.
이 방법으로 할 수 있습니까? 아니면 토픽 대신에 더 큰 DTM으로 되돌아가는 것이 낫겠습니까?
이게 단순해야한다고 생각하지만, 나는 그것을 보지 않을거야.
모든 / 모든 도움을 주시면 감사하겠습니다!
실내 변기
텍스트 탐색기 항목 모델 수식을 사용하여 새 텍스트에 대한 주제 예측 설명: Topic Vector Formula는 실제로 새 문서로 업데이트됩니다. 그러나 결과는 Save Topic Singular Vectors의 결과와 일치하지 않습니다. 이것은 위에서 언급 한 버그로 인한 것 같습니다.
텍스트 탐색기 항목 모델 수식을 사용하여 새 텍스트에 대한 주제 예측수식이 JMP Pro 14.1에서 작동하지 않는 버그가있는 것 같습니다. 버그는 JMP Pro 13.2 및 JMP Pro 14에서 수정되었지만 14.1에서는 다시 나타납니다. 나는 그것을 개발에보고했다.
또한 두 가지 절약 옵션, 주제 특이 벡터 저장 과 토픽 벡터 수식 저장, 차이점은 전자가 개별 열을 생성하고 후자는 수식에서 벡터 값 형식을 생성한다는 점에서 동일한 결과를 산출합니다.
텍스트 탐색기 항목 모델 수식을 사용하여 새 텍스트에 대한 주제 예측에 동의합니다 @markbailey . Topic Vectors를 다른 모델링 플랫폼에 입력으로 사용합니다. 일부 모델링 플랫폼 (Fit Model과 같음)은 벡터 효과로 무엇을해야하는지, 다른 것들은 어떻게해야 할 지 모릅니다. 다양한 기술을 사용하여 여러 모델을 작성하고 비교하려는 경우 새 수식 열 -> 벡터 -> 열을 마우스 오른쪽 단추로 클릭하여 벡터를 개별 열로 구분할 수 있습니다. 그런 다음 그들은 신경, 파티션 등으로 멋지게 연주 할 것입니다.
텍스트 탐색기 항목 모델 수식을 사용하여 새 텍스트에 대한 주제 예측마크 베일리 (Mark Bailey)에서 벗어나서, 크리스와 제 2017 발견 이야기에서 두 번째 아이디어의 예를 찾을 수 있습니다. 그것이 정서 모델이지만 워크 플로우는 Mark가 논의한 것과 동일합니다.
엠
텍스트 탐색기 항목 모델 수식을 사용하여 새 텍스트에 대한 주제 예측두 가지 즉각적인 아이디어가 있지만 여전히 생각하고 있습니다 ...
첫째, 문제가 분류 일 때 주제 분석이 최선의 선택입니까? 텍스트 탐색기에서 판별 분석을 사용하는 것은 어떻습니까?
두 번째로, 텍스트 탐색기를 사용하여 DTM을 저장하고 (아마도 TF-IDF 가중치 사용), 다른 예측 모델링 기술을 사용하여 분류를 약속 한 기능을 선택하는 것은 어떻습니까?
