Zacznij terazZacznij za darmo

Przewidywanie na danych testowych

Dostępny jest dopasowany model logistyczny df_fitted. Dostępna jest też ramka danych df_testset zawierająca dane testowe dla tego modelu. Zmienna fields zawiera listę ['prediction', 'label', 'endword', 'doc', 'probability'] – określa ona, które pola predykcji mają zostać wyświetlone.

To ćwiczenie jest częścią kursu

Wprowadzenie do Spark SQL w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zastosuj model do danych z df_testset.
  • Wyświetl komunikat "incorrect", jeśli predykcja nie zgadza się z etykietą.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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])
Edytuj i uruchom kod