vasco
使用MIC发现数据中隐含的关联
仓库
Florents-Tselai/vasco
https://github.com/Florents-Tselai/vasco
源码
vasco-0.1.0.tar.gz
vasco-0.1.0.tar.gz
概览
| ID | 扩展名 | Bin | Lib | Load | Create | Trust | Reloc | 模式 |
|---|---|---|---|---|---|---|---|---|
| 4660 | vasco | 否 | 是 | 否 | 是 | 否 | 是 | - |
版本
| 类型 | 仓库 | 版本 | PG 大版本 | 包名 | 依赖 |
|---|---|---|---|---|---|
| EXT | PIGSTY | 0.1.0 | 1817161514 | vasco | - |
| RPM | PIGSTY | 0.1.0 | 1817161514 | vasco_$v | - |
| DEB | PIGSTY | 0.1.0 | 1817161514 | postgresql-$v-vasco | - |
构建
您可以使用 pig build 命令构建 vasco 扩展的 RPM / DEB 包:
BASH
安装
您可以直接安装 vasco 扩展包的预置二进制包,首先确保 PGDG 和 PIGSTY 仓库已经添加并启用:
BASH
使用 pig 或者是 apt/yum/dnf 安装扩展:
安装
BASH
pig
BASH
dnf
BASH
apt
BASH
创建扩展:
SQL
用法
使用最大信息系数(MIC)和 MINE 系列统计量发现数据中隐藏的相关性。
SQL
聚合函数
| 函数 | 描述 |
|---|---|
mic(x, y) | 最大信息系数——检测任何关系 |
mas(x, y) | 最大不对称分数——偏离单调性的程度 |
mev(x, y) | 最大边值——连续函数采样的程度 |
mcn(x, y) | 最小单元数——关联的复杂度 |
mcn_general(x, y) | MCN,其中 eps = 1 - MIC |
tic(x, y) | 总信息系数 |
gmic(x, y) | 广义平均信息系数 |
工具函数
| 函数 | 描述 |
|---|---|
vasco_corr_matrix(table_name, output_table) | 计算所有列对的 MIC 并存储为相关矩阵表 |
配置
SQL
示例
SQL