Spark は現在、大量データの処理に最も人気のあるテクノロジーです。膨大なデータ量を扱えるだけでなく、非常に効率的に処理できます！ さらに、他の分散コンピューティング技術と違い、Spark での開発はとても快適です。
次のうち、Spark の説明として正しいものはどれですか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
SparkはBig Dataを扱うためのフレームワークです。本章では、SparkとMachine Learningの基礎を確認します。続いて、PythonからSparkに接続し、CSVデータを読み込む方法を学びます。
現在の演習
Sparkへのデータ取り込みに慣れたら、2種類の分類モデル――決定木とロジスティック回帰――の構築に進みます。あわせて、データ準備のいくつかの手法についても学びます。
次に、線形回帰モデルの作成方法を学びます。さらに、新しい予測変数を作る特徴量エンジニアリングや、最も関連性の高い予測変数だけを選ぶ堅牢な手法についても扱います。
最後に、モデルをより効率的にする方法を学びます。コードをわかりやすく保守しやすくするパイプラインの使い方を理解し、クロスバリデーションでモデルをより適切に評価して良いハイパーパラメータを選びます。最後に、2種類のアンサンブルモデルも体験します。
