Kategorické sloupce
V datech o letech jsou dva sloupce, carrier a org, které obsahují kategorická data. Tyto sloupce je potřeba převést na indexované číselné hodnoty.
Toto cvičení je součástí kurzu
Machine Learning with PySpark
Pokyny k cvičení
- Importuj příslušnou třídu a vytvoř indexer objekt pro převod sloupce
carrierz řetězce na číselný index. - Připrav indexer objekt na datech o letech.
- Pomocí připraveného indexeru vytvoř sloupec s číselným indexem.
- Zopakuj postup pro sloupec
org.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from pyspark.ml.feature import ____
# Create an indexer
indexer = ____(inputCol=____, outputCol='carrier_idx')
# Indexer identifies categories in the data
indexer_model = indexer.____(flights)
# Indexer creates a new column with numeric index values
flights_indexed = ____.____(____)
# Repeat the process for the other categorical feature
flights_indexed = ____(inputCol=____, outputCol='org_idx').____(____).____(____)
flights_indexed.show(5)