Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
La ai.classify funzione classifica ogni riga di input usando le etichette fornite.
Annotazioni
- Questo articolo illustra
ai.classifycon pandas. Per PySpark, vedere Usare ai.classify con PySpark. - Per tutte le funzioni di intelligenza artificiale e i prerequisiti, vedere Panoramica di Funzioni di intelligenza artificiale.
- Modificare la configurazione predefinita per Funzioni di intelligenza artificiale con pandas.
Informazioni generali
La ai.classify funzione estende la classe Pandas Series . Per assegnare etichette fornite dall'utente a ogni riga di input, chiamare la funzione su una colonna di testo di un dataframe pandas.
La funzione restituisce una serie pandas che contiene etichette di classificazione, che possono essere archiviate in una nuova colonna DataFrame.
Suggerimento
È consigliabile usare la ai.classify funzione con almeno due etichette di input.
Sintassi
df["classification"] = df["input"].ai.classify("category1", "category2", "category3")
Parametri
| Nome | Description |
|---|---|
labels Obbligatorio |
Una o più stringhe che rappresentano il set di etichette di classificazione da associare ai valori di testo di input. |
Restituzioni
La funzione restituisce una serie pandas contenente un'etichetta di classificazione per ogni riga di testo di input. Se non è possibile classificare un valore di testo, l'etichetta corrispondente è null.
Example
# This code uses AI. Always review output for mistakes.
df = pd.DataFrame([
"This duvet, lovingly hand-crafted from all-natural fabric, is perfect for a good night's sleep.",
"Tired of friends judging your baking? With these handy-dandy measuring cups, you'll create culinary delights.",
"Enjoy this *BRAND NEW CAR!* A compact SUV perfect for the professional commuter!"
], columns=["descriptions"])
df["category"] = df['descriptions'].ai.classify("kitchen", "bedroom", "garage", "other")
display(df)
Risultato:
Input multimodale
Per classificare immagini, PDF o file di testo, impostare column_type="path" quando la colonna di input contiene stringhe di percorso del file. Per i tipi di file supportati e la configurazione, consulta Usare l'input multimodale con le funzioni di IA.
# This code uses AI. Always review output for mistakes.
file_path_series = aifunc.list_file_paths("/lakehouse/default/Files")
custom_df = pd.DataFrame({"file_path": file_path_series})
custom_df["highest_degree"] = custom_df["file_path"].ai.classify(
"Master", "PhD", "Bachelor", "Other",
)
display(custom_df)
Annotazioni
Quando si usa aifunc.list_file_paths() per creare la colonna del percorso del file, gli oggetti restituiti yarl.URL vengono rilevati automaticamente come percorsi di file. È necessario specificare column_type="path" solo quando la colonna contiene URL stringa normale.
È anche possibile usare aifunc.load per inserire file in un dataframe, quindi classificare la colonna file-path:
# This code uses AI. Always review output for mistakes.
df, schema = aifunc.load("/lakehouse/default/Files")
df["category"] = df["file_path"].ai.classify("Master", "PhD", "Bachelor", "Other")
display(df)
Quando si usa aifunc.load, la colonna file-path contiene yarl.URL oggetti rilevati automaticamente. Per gli URL di stringa normale, impostare column_type="path".
Contenuti correlati
- Usare ai.classify con PySpark.
- Altre informazioni sulle funzioni di intelligenza artificiale.
- Usare l'input multimodale con funzioni di intelligenza artificiale.
- Modificare la configurazione predefinita per Funzioni di intelligenza artificiale con pandas.
- Informazioni sulla fatturazione per le funzioni di intelligenza artificiale.