Kategorische Spalten

Im Flugdaten-Datensatz gibt es zwei Spalten, carrier und org, die kategoriale Daten enthalten. Du musst diese Spalten in indizierte numerische Werte umwandeln.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit PySpark</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere die passende Klasse und erstelle ein Indexer-Objekt, um die Spalte carrier von einem String in einen numerischen Index umzuwandeln.
Bereite das Indexer-Objekt auf den Flugdaten vor.
Verwende den vorbereiteten Indexer, um die numerische Index-Spalte zu erzeugen.
Wiederhole den Vorgang für die Spalte org.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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)

Code bearbeiten und ausführen