Model doby letu: fáze pipeline
Teď si vytvoříš jednotlivé fáze pipeline pro model doby letu. V dalším cvičení je pak použiješ k sestavení pipeline a trénování regresního modelu.
Třídy StringIndexer, OneHotEncoder, VectorAssembler a LinearRegression jsou už naimportované.
Toto cvičení je součástí kurzu
Machine Learning with PySpark
Pokyny k cvičení
- Vytvoř indexer, který převede sloupec 'org' na indexovaný sloupec s názvem 'org_idx'.
- Vytvoř one-hot encoder, který převede sloupce 'org_idx' a 'dow' na sloupce s dummy proměnnými s názvy 'org_dummy' a 'dow_dummy'.
- Vytvoř assembler, který spojí sloupec 'km' s oběma sloupci dummy proměnných. Výstupní sloupec pojmenuj 'features'.
- Vytvoř objekt lineární regrese pro predikci doby letu.
Může se ti hodit podívat se zpět na slajdy z předchozích lekcí v panelu Slides vedle IPython Shell.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Convert categorical strings to index values
indexer = ____(____)
# One-hot encode index values
onehot = ____(
inputCols=____,
outputCols=____
)
# Assemble predictors into a single column
assembler = ____(inputCols=____, outputCol=____)
# A linear regression object
regression = ____(labelCol=____)