Colonnes catégorielles
Dans les données de vols, deux colonnes, carrier et org, contiennent des données catégorielles. Vous devez transformer ces colonnes en valeurs numériques indexées.
Cette activité fait partie du cours
Machine Learning avec PySpark
Instructions de l’exercice
- Importez la classe appropriée et créez un objet d'indexation pour transformer la colonne
carrierd'une chaîne de caractères en un indice numérique. - Préparez l'objet d'indexation sur les données de vols.
- Utilisez l'objet préparé pour créer la colonne d'indice numérique.
- Répétez le processus pour la colonne
org.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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)