CommencezCommencez gratuitement

Prédire les données de test

Un modèle logistique ajusté df_fitted est disponible. Une trame de données df_testset est disponible et contient les données de test pour ce modèle. Une variable fields est disponible et contient la liste ['prediction', 'label', 'endword', 'doc', 'probability']; elle sert à indiquer quels champs de prédiction afficher.

Cette activité fait partie du cours

Introduction à Spark SQL en Python

Voir le cours

Instructions de l’exercice

  • Appliquez le modèle aux données dans df_testset.
  • Affichez "incorrect" si la prédiction ne correspond pas à l'étiquette.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Apply the model to the test data
predictions = df_fitted.____(____).select(fields)

# Print incorrect if prediction does not match label
for x in predictions.take(8):
    print()
    if x.label != int(x.____):
        print("INCORRECT ==> ")
    for y in fields:
        print(y,":", x[y])
Modifier et exécuter le code