Skip to content
ClickHouse Docs
ClickHouse DocsClickHouse Docs
49.6kGet Started

categoricalInformationValue

View as MarkdownEdit this pageReport an issueSet up docs MCP

categoricalInformationValue

Introduzido em: v20.1.0

Calcula o valor de informação (IV) para atributos categóricos em relação a uma variável-alvo binária.

Para cada categoria, a função calcula: (P(tag = 1) - P(tag = 0)) × (log(P(tag = 1)) - log(P(tag = 0)))

onde:

  • P(tag = 1) é a probabilidade de que a variável-alvo seja igual a 1 para a categoria fornecida
  • P(tag = 0) é a probabilidade de que a variável-alvo seja igual a 0 para a categoria fornecida

O Valor de Informação é uma estatística usada para medir a força da relação entre um atributo categórico e uma variável-alvo binária em modelagem preditiva. Valores absolutos mais altos indicam maior poder preditivo.

O resultado indica o quanto cada atributo discreto (categórico) [category1, category2, ...] contribui para um modelo de aprendizado que prevê o valor de tag.

Sintaxe

categoricalInformationValue(category1[, category2, ...,]tag)

Argumentos

  • category1, category2, ... — Um ou mais atributos categóricos para analisar. Cada categoria deve conter valores discretos. UInt8
  • tag — Variável-alvo binária para previsão. Deve conter os valores 0 e 1. UInt8

Valor retornado

Retorna um array de valores Float64 que representam o valor informativo de cada combinação única de categorias. Cada valor indica a força preditiva dessa combinação de categorias para a variável-alvo. Array(Float64)

Exemplos

Uso básico: análise de grupos etários em relação ao uso de dispositivos móveis

CREATE TABLE visits (is_young UInt8, is_female UInt8, is_mobile UInt8) ENGINE = Memory;

-- 80 of the 100 young visitors browse on a mobile device, and only 20 of the 100 older ones do,
-- while the sex of a visitor says nothing about the device.
INSERT INTO visits SELECT 1, number % 2, number < 80 FROM numbers(100);
INSERT INTO visits SELECT 0, number % 2, number < 20 FROM numbers(100);

SELECT round(categoricalInformationValue(is_young, is_mobile)[1], 4) AS iv FROM visits;
┌─────iv─┐
│ 0.8318 │
└────────┘

Múltiplas variáveis categóricas com dados demográficos do usuário

-- The age of a visitor predicts the device, the sex of a visitor does not.
SELECT arrayMap(x -> round(x, 4), categoricalInformationValue(is_young, is_female, is_mobile)) AS iv
FROM visits;
┌─iv─────────┐
│ [0.8318,0] │
└────────────┘
Navigation