Binarizarea zilei din săptămână

Într-un videoclip anterior, am văzut că este foarte puțin probabil ca o locuință să fie listată în weekend. Să creăm un câmp nou care să indice dacă imobilul este scos la vânzare într-o zi lucrătoare sau nu. În acest exemplu există un câmp numit List_Day_of_Week, în care luni este etichetat cu 1.0, iar duminică cu 7.0. Să convertim acest câmp într-un câmp binar, unde zilele lucrătoare primesc valoarea 0, iar weekendul valoarea 1. Putem folosi transformatorul de caracteristici Binarizer din PySpark pentru a face acest lucru.

Acest exercițiu face parte din cursul

Feature Engineering cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Importă transformatorul de caracteristici Binarizer din pyspark și modulul ml.feature.
Creează transformatorul folosind Binarizer() cu pragul setat astfel încât orice valoare după vineri (5.0) să primească valoarea 1, apoi setează coloana de intrare ca List_Day_of_Week și coloana de ieșire ca Listed_On_Weekend.
Aplică transformarea binarizatorului pe df folosind transform().
Verifică că transformarea a funcționat corect selectând coloanele List_Day_of_Week și Listed_On_Weekend cu show().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import transformer
from pyspark.____.____ import ____

# Create the transformer
binarizer = ____(threshold=____ inputCol=____, outputCol=____)

# Apply the transformation to df
df = binarizer.____(____)

# Verify transformation
df[[____, ____]].____()

Editează și rulează codul