Sammanfogning
Särdragen som ska användas i modellerna finns i datamängden timbre, men responsvariabeln – året – finns i datamängden track_metadata. Innan du kör modellen behöver du slå ihop dessa två datamängder. Eftersom det finns en ett-till-ett-matchning mellan raderna i de båda datamängderna behöver du en inner join.
Det finns ytterligare ett datarensningssteg att genomföra. Kolumnen year innehåller heltal, men Sparks modelleringsfunktioner kräver reella tal. Du behöver konvertera årskolumnen till numeric.
Den här övningen är en del av kursen
Introduktion till Spark med sparklyr i R
Övningsinstruktioner
En Spark-anslutning har skapats åt dig som spark_conn. Tibbles kopplade till spårmetadata och klangfärgsdata lagrade i Spark har fördefinierade som track_metadata_tbl respektive timbre_tbl.
- Gör en inner join av spårmetadata med klangfärgsdata på kolumnen
track_id. - Konvertera kolumnen
yeartillnumeric.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# track_metadata_tbl, timbre_tbl pre-defined
track_metadata_tbl
timbre_tbl
track_metadata_tbl %>%
# Inner join to timbre_tbl
___ %>%
# Convert year to numeric
___