Łączymy dane
Cechy używane przez modele, które zaraz uruchomisz, znajdują się w zbiorze timbre, natomiast zmienna odpowiedzi – rok wydania – pochodzi ze zbioru track_metadata. Przed uruchomieniem modelu musisz połączyć te dwa zbiory danych. Ponieważ każdemu wierszowi w jednym zbiorze odpowiada dokładnie jeden wiersz w drugim, odpowiedni będzie tu złączenie wewnętrzne (inner join).
Pozostało jeszcze jedno zadanie związane z czyszczeniem danych. Kolumna year zawiera liczby całkowite, a funkcje modelowania w Spark wymagają liczb rzeczywistych. Należy przekonwertować kolumnę roku na typ numeric.
To ćwiczenie jest częścią kursu
Wprowadzenie do Spark z pakietem sparklyr w R
Instrukcje do ćwiczenia
Połączenie ze Spark zostało już utworzone jako spark_conn. Tibble'e dołączone do metadanych utworów oraz danych barwy dźwięku przechowywanych w Spark zostały wstępnie zdefiniowane odpowiednio jako track_metadata_tbl i timbre_tbl.
- Wykonaj złączenie wewnętrzne (inner join) metadanych utworów z danymi barwy dźwięku po kolumnie
track_id. - Przekonwertuj kolumnę
yearna typnumeric.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# track_metadata_tbl, timbre_tbl pre-defined
track_metadata_tbl
timbre_tbl
track_metadata_tbl %>%
# Inner join to timbre_tbl
___ %>%
# Convert year to numeric
___