Colunas categóricas
No conjunto de dados de voos há duas colunas, carrier e org, que contêm dados categóricos. Você precisa transformar essas colunas em valores numéricos indexados.
Este exercicio faz parte do curso
Machine learning com PySpark
Instruções do exercicio
- Importe a classe apropriada e crie um objeto indexer para transformar a coluna
carrierde string para um índice numérico. - Prepare o objeto indexer com os dados de voos.
- Use o indexer preparado para criar a coluna de índice numérico.
- Repita o processo para a coluna
org.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
from pyspark.ml.feature import ____
# Create an indexer
indexer = ____(inputCol=____, outputCol='carrier_idx')
# Indexer identifies categories in the data
indexer_model = indexer.____(flights)
# Indexer creates a new column with numeric index values
flights_indexed = ____.____(____)
# Repeat the process for the other categorical feature
flights_indexed = ____(inputCol=____, outputCol='org_idx').____(____).____(____)
flights_indexed.show(5)