Rozdíly

Pojďme prozkoumat, jak vytvářet nové příznaky z těch existujících. Na středozápadě USA mají rodinné domy často kolem sebe zahradní pozemek. V tomto cvičení vytvoříš nový příznak 'YARD_SIZE' a podíváš se, jestli koreluje s naší cílovou proměnnou.

Toto cvičení je součástí kurzu

Feature Engineering with PySpark

Zobrazit kurz

Pokyny k cvičení

Pomocí withColumn() vytvoř nový sloupec LOT_SIZE_SQFT a převeď ACRES na čtvereční stopy vynásobením hodnotou acres_to_sqfeet (převodní koeficient).
Vytvoř další nový sloupec YARD_SIZE odečtením FOUNDATIONSIZE od LOT_SIZE_SQFT.
Spusť corr() pro každou ze vstupních proměnných YARD_SIZE, FOUNDATIONSIZE, LOT_SIZE_SQFT vůči cílové proměnné SALESCLOSEPRICE. Vykazuje nový příznak silnější korelaci než každá z jeho složek samostatně?

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Lot size in square feet
acres_to_sqfeet = 43560
df = df.____(____, df[____] * ____)

# Create new column YARD_SIZE
df = df.____(____, df[____] - df[____])

# Corr of ACRES vs SALESCLOSEPRICE
print("Corr of ACRES vs SALESCLOSEPRICE: " + str(df.____(____, ____)))
# Corr of FOUNDATIONSIZE vs SALESCLOSEPRICE
print("Corr of FOUNDATIONSIZE vs SALESCLOSEPRICE: " + str(df.____(____, ____)))
# Corr of YARD_SIZE vs SALESCLOSEPRICE
print("Corr of YARD_SIZE vs SALESCLOSEPRICE: " + str(df.____(____, ____)))

Upravit a spustit kód