Asamblarea coloanelor

Ultima etapă a pregătirii datelor constă în consolidarea tuturor coloanelor de predictori într-o singură coloană.

O versiune actualizată a datelor flights, care ține cont de toate modificările din exercițiile anterioare, conține următoarele coloane de predictori:

mon, dom și dow
carrier_idx (valoare indexată din carrier)
org_idx (valoare indexată din org)
km
depart
duration

Notă: Argumentul truncate=False transmis metodei show() previne truncherea datelor în rezultate.

Acest exercițiu face parte din cursul

Machine Learning cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Importă clasa care va asambla predictorii.
Creează un obiect assembler care să îți permită să combini coloanele de predictori într-o singură coloană.
Folosește assembler-ul pentru a genera noua coloană consolidată.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the necessary class
from pyspark.ml.feature import ____

# Create an assembler object
assembler = ____(inputCols=[
    ____
], outputCol='features')

# Consolidate predictor columns
flights_assembled = assembler.____(____)

# Check the resulting column
flights_assembled.select('features', 'delay').show(5, truncate=False)

Editează și rulează codul