Dela upp data
En dataram df_examples finns tillgänglig med kolumnerna endword: sträng, features: vektor, outvec: vektor och label: int. Du ska dela upp den för att få en tränings- och en testmängd, som du sedan använder för att träna och utvärdera en klassificerare.
Den här övningen är en del av kursen
Introduktion till Spark SQL i Python
Övningsinstruktioner
- Dela upp exemplen i tränings- och testdata med en 80/20-uppdelning.
- Skriv ut antalet träningsexempel.
- Skriv ut antalet testexempel.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Split the examples into train and test, use 80/20 split
df_trainset, df_testset = df_examples.____((____), 42)
# Print the number of training examples
print("Number training: ", ____.____)
# Print the number of test examples
print("Number test: ", ____.____)