Coloane categorice
În datele despre zboruri există două coloane, carrier și org, care conțin date categorice. Trebuie să transformi aceste coloane în valori numerice indexate.
Acest exercițiu face parte din cursul
Machine Learning cu PySpark
Instrucțiuni pentru exercițiu
- Importă clasa potrivită și creează un obiect indexer pentru a transforma coloana
carrierdintr-un șir de caractere într-un index numeric. - Pregătește obiectul indexer pe datele despre zboruri.
- Folosește indexer-ul pregătit pentru a crea coloana cu indexul numeric.
- Repetă procesul pentru coloana
org.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
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)