Come together

De features voor de modellen die je zo gaat draaien staan in de timbre-gegevensset, maar de respons – het jaar – staat in de gegevensset track_metadata. Voordat je het model draait, moet je deze twee gegevenssets met elkaar joinen. In dit geval is er een één-op-één-koppeling van rijen in de twee gegevenssets, dus heb je een inner join nodig.

Er is nog één opschoningsstap nodig. De kolom year bevat gehele getallen, maar Spark-modelleerfuncties vereisen reële getallen. Je moet de kolom year omzetten naar numeric.

Deze oefening maakt deel uit van de cursus

Introductie tot Spark met sparklyr in R

Bekijk cursus

Oefeninstructies

Er is al een Spark-verbinding voor je aangemaakt als spark_conn. Tibbles die verwijzen naar de trackmetadata en timbregegevens die in Spark zijn opgeslagen, zijn al gedefinieerd als respectievelijk track_metadata_tbl en timbre_tbl.

Maak een inner join van de trackmetadata met de timbregegevens op de kolom track_id.
Zet de kolom year om naar numeric.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# track_metadata_tbl, timbre_tbl pre-defined
track_metadata_tbl
timbre_tbl

track_metadata_tbl %>%
  # Inner join to timbre_tbl
  ___ %>%
  # Convert year to numeric
  ___

Code bewerken en uitvoeren