若資料集有包含大量文字，而且需要使用此資料來協助預測，在 Azure Machine Learning Studio 中，可以使用 Preprocess Text 來處理文字資料，目前支援 6 種語言：

• 英文
• 西班牙文
• 法文
• 荷蘭文
• 德文
• 義大利文

Preprocess Text 文字分析可以執行以下處理，Ex：清除 the , a 等常見單字、數字、特殊字元、重複字元、電子郵件地址、URL...等文字，將單字轉為小寫，句子間用 ||| 隔開：

1. 【Dataset】新增資料集：Book Reviews from Amazon 書籍評價資料集，包含兩個欄位，一個是評分，一個是文字評論
   

2. 【Edit Metadata】將評分欄位 Col 1 設為 Make categorical
   

3. 【Group Categorical Values】新增 Group Categorical Values ，將評分欄位 Col1 的值分為低分、高分兩種
   

4. 【Preprocess Text】新增 Preprocess Text，選擇 Col2 文字評論欄位，使用預設勾選的文字處理，可以清除雜訊資料，找出重要的特徵
   

   可以看到新的欄位 Preprocessed Col2 為 Col 2 的文字處理後的結果
   

5. 【Split Data】將資料切分為訓練集、測試集資料

6. 【Extract N-Gram Features from Text】新增 Extract N-Gram Features from Text，從剛剛處理過的文字中，選取與預測目標最相關的特徵
   

   設定以下屬性：
   

   

7. 【Train Model】訓練模型

8. 【Two-Class Logistic Regression】二元分類邏輯迴歸分析
   

9. 【Extract N-Gram Features from Text】再新增一個 Extract N-Gram Features from Text，來處理測試資料集

10. 【Score Model】計分模型：執行預測
    

    設定以下屬性：
    

    

11. 【Evalute Model】評分模型：查看預測結果
    

參考文章：在 Azure Machine Learning Studio 中建立文字分析模型