本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 数据科学配方步骤
使用这些配方步骤可从不同的角度对数据进行制表和汇总，或者执行高级转换。
**Topics**
+ [BINARIZATION](recipe-actions.BINARIZATION.md)
+ [BUCKETIZATION](recipe-actions.BUCKETIZATION.md)
+ [CATEGORICAL\$1MAPPING](recipe-actions.CATEGORICAL_MAPPING.md)
+ [ONE\$1HOT\$1ENCODING](recipe-actions.ONE_HOT_ENCODING.md)
+ [SCALE](#recipe-actions.SCALE)
+ [SKEWNESS](recipe-actions.SKEWNESS.md)
+ [TOKENIZATION](recipe-actions.TOKENIZATION.md)
# BINARIZATION
获取选定数值源列中的所有值，将其与阈值进行比较，然后输出每行为 1 或 0 的新列。
**参数**
+ `sourceColumn`：现有列的名称。
`targetColumn`：要创建的新列的名称。
`threshold`：指示用于赋值 0 或 1 的阈值的数字。
`flip`：可以选择翻转二进制赋值，以便将较低的值赋为 1，将较高的值赋为 0。当 flip 参数为 true 时，小于或等于阈值的值会生成 1，大于阈值的值会生成 0。
**Example 示例**
```
{
"Action": {
"Operation": "BINARIZATION",
"Parameters": {
"sourceColumn": "level",
"targetColumn": "bin",
"threshold": "100.0",
"flip": "false"
}
}
}
```
# BUCKETIZATION
分桶（在控制台中称为分箱）获取一列数值中的各项，将它们分组到由数值范围定义的分箱，然后输出一个显示每行分箱的新列。可以通过拆分或百分比完成分桶。下面的第一个示例使用拆分，第二个示例使用百分比。
**参数**
+ `sourceColumn`：现有列的名称。
`targetColumn`：要创建的新列的名称。
`bucketNames`：存储桶名称列表。
`splits`：存储桶级别列表。存储桶连续排列，存储桶的上限将是下一个存储桶的下限。
`percentage`：每个存储桶将以百分比形式描述。
**Example 使用拆分的示例**
```
{
"Action": {
"Operation": "BUCKETIZATION",
"Parameters": {
"sourceColumn": "level",
"targetColumn": "bin",
"bucketNames": "[\"Bin1\",\"Bin2\",\"Bin3\"]",
"splits": "[\"-Infinity\",\"2\",\"20\",\"Infinity\"]"
}
}
}
```
**Example 使用百分比的示例**
```
{
"Action": {
"Operation": "BUCKETIZATION",
"Parameters": {
"sourceColumn": "level",
"targetColumn": "bin",
"bucketNames": "[\"Bin1\",\"Bin2\"]",
"percentage": "50"
}
}
}
```
# CATEGORICAL\$1MAPPING
将一个或多个类别值映射到数值或其他值
**参数**
+ `sourceColumn`：现有列的名称。
`categoryMap`：JSON 编码字符串，表示值到类别的映射。
`deleteOtherRows`：如果为 `true`，则所有未映射的行都将从数据集中删除。
`other`：如果提供，则所有未映射的值都将替换为此值。
`keepOthers`：如果为 true，则所有未映射的值都将保持不变。
`mapType`：映射的列的数据类型。
`targetColumn`：要包含结果的列的名称。
**Example 示例**
```
{
"Action": {
"Operation": "CATEGORICAL_MAPPING",
"Parameters": {
"categoryMap": "{\"United States of America\":\"1\",\"Canada\":\"2\",\"Cuba\":\"3\",\"Haiti\":\"4\",\"Dominican Republic\":\"5\"}",
"deleteOtherRows": "false",
"keepOthers": "true",
"mapType": "NUMERIC",
"sourceColumn": "state_name",
"targetColumn": "state_name_mapped"
}
}
}
```
# ONE\$1HOT\$1ENCODING
创建 *n* 个数值列，其中 *n* 是所选类别变量中唯一值的数量。
例如，假设有一个名为 `shirt_size` 的列。衬衫有小号、中号、大号或超大号可供选择。列数据可能看起来类似以下内容。
```
shirt_size
-----------
L
XL
M
S
M
M
S
XL
M
L
XL
M
```
在这种情况下，`shirt_size` 有四个不同的值。因此，`ONE_HOT_ENCODING` 生成四个新列。每个新列都被命名为 `shirt_size_x`，其中 `x` 表示不同的 `shirt_size ` 值。
`shirt_size` 和所生成四列的结果如下所示。
```
shirt_size shirt_size_S shirt_size_M shirt_size_L shirt_size_XL
------------ ------------ ------------ ------------ -------------
L 0 0 1 0
XL 0 0 0 1
M 0 1 0 0
S 1 0 0 0
M 0 1 0 0
M 0 1 0 0
S 1 0 0 0
XL 0 0 0 1
M 0 1 0 0
L 0 0 1 0
XL 0 0 0 1
M 0 1 0 0
```
您为 `ONE_HOT_ENCODING` 指定的列最多可以有十（10）个不同的值。
**参数**
+ `sourceColumn`：现有列的名称。该列最多可以有 10 个不同的值。
**Example 示例**
```
{
"RecipeAction": {
"Operation": "ONE_HOT_ENCODING",
"Parameters": {
"sourceColumn": "shirt_size"
}
}
}
```
## SCALE
缩放或标准化数值列中的数据范围。
**参数**
+ `sourceColumn`：现有列的名称。
+ `strategy`：要应用于列值的操作：
+ `MIN_MAX`：将值重新缩放到 [0,1] 的范围内
+ `SCALE_BETWEEN`：将值重新缩放到 2 个指定值的范围内。
+ `MEAN_NORMALIZATION`：在 [-1, 1] 的范围内重新缩放数据，使其平均值（μ）为 0，标准差（σ）为 1
+ `Z_SCORE`：线性缩放数据值，使其平均值（μ）为 0，标准差（σ）为 1。最适合处理异常值。
+ `targetColumn`：要包含结果的列的名称。
**Example 示例**
```
{
"Action": {
"Operation": "NORMALIZATION",
"Parameters": {
"sourceColumn": "all_votes",
"strategy": "MIN_MAX",
"targetColumn": "all_votes_normalized"
}
}
}
```
# SKEWNESS
对数据值应用转换以更改分布形状及其偏度。
**参数**
+ `sourceColumn`：现有列的名称。
`targetColumn`：要创建的新列的名称。
`skewFunction`
+ `ROOT`：提取值的根。可以在 `value` 参数中提供根。
`LOG`：对数底值。可以在 `value` 参数中提供对数底。
`SQUARE`：平方函数
`value`：skewFunction 的参数。
**Example 示例**
```
{
"RecipeAction": {
"Operation": "SKEWNESS",
"Parameters": {
"sourceColumn": "level",
"targetColumn": "bin",
"skewFunction": "LOG",
"value": "2.718281828"
}
}
}
```
# TOKENIZATION
将文本拆分为较小的单位或词元，例如单个单词或术语。
**参数**
+ `sourceColumn`：现有列的名称。
+ `delimiter`：在词元化的单词之间显示的自定义分隔符。（默认行为是用空格分隔每个词元。）
+ `expandContractions`：如果为 `ENABLED`，请展开缩写词。例如：“don't”变成“do not”。
+ `stemmingMode`：将文本拆分为较小的单位或词元，例如单个小写单词或术语。有两种词干提取模式可供选择：`PORTER` \$1 `LANCASTER`。
+ `stopWordRemovalMode`：删除像 a、an、the 等常用词。
+ `customStopWords`：对于 `StopWordRemovalMode`，可用于指定自定义停用词列表。
+ `targetColumn`：要包含结果的列的名称。
**Example 示例**
```
{
"Action": {
"Operation": "TOKENIZATION",
"Parameters": {
"customStopWords": "[]",
"delimiter": "- ",
"expandContractions": "ENABLED",
"sourceColumn": "dimensions",
"stemmingMode": "PORTER",
"stopWordRemovalMode": "DEFAULT",
"targetColumn": "dimensions_tokenized"
}
}
}
```