1. 학습
    2. /
  2. 강의
    3. /
  3. PySpark로 하는 Feature Engineering
Connected

연습 문제

더 깊은 특징

이전 연습 문제에서는 두 개의 특징을 결합해 예측 모델에 유용한 추가 특징을 만들 수 있음을 보여드렸습니다. 이번 연습에서는 세 변수를 하나로 결합해 더 ‘깊은’ 특징을 생성해 보겠습니다. 그런 다음, 더 깊고 복잡한 특징이 항상 더 나은 예측 변수가 되는지 확인해 보세요.

지침

100 XP
  • SQFTBELOWGROUND와 SQFTABOVEGROUND를 더해 새로운 열 Total_SQFT를 만드세요.
  • Total_SQFT를 사용해 BATHSTOTAL과 함께 BATHS_PER_1000SQFT라는 또 다른 특징을 만드세요. Total_SQFT는 1000 단위로 스케일링해야 합니다.
  • describe()를 사용해 새로 만든 특징 BATHS_PER_1000SQFT의 최소값, 최대값, 평균을 확인하세요. 이상한 점이 보이나요?
  • Total_SQFT와 BATHS_PER_1000SQFT를 각각 \(x\) 값으로, SALESCLOSEPRICE를 \(y\) 값으로 하여 jointplots()를 두 개 생성해 어느 쪽이 R**2 적합도가 더 좋은지 확인하세요. 이 더 복잡한 특징이 SALESCLOSEPRICE와 더 강한 관계를 가지나요?