ความแตกต่าง
มาลองสร้างฟีเจอร์ใหม่จากข้อมูลที่มีอยู่กัน ในแถบมิดเวสต์ของสหรัฐอเมริกา บ้านเดี่ยวหลายหลังมีพื้นที่โดยรอบสำหรับพื้นที่สีเขียว ในแบบฝึกหัดนี้ คุณจะสร้างฟีเจอร์ใหม่ชื่อ 'YARD_SIZE' แล้วตรวจสอบว่าฟีเจอร์ใหม่นี้มีความสัมพันธ์กับตัวแปรผลลัพธ์หรือไม่
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Feature Engineering with PySpark
คำแนะนำการฝึกหัด
- สร้างคอลัมน์ใหม่ด้วย
withColumn()ชื่อLOT_SIZE_SQFTโดยแปลงค่าACRESเป็นตารางฟุต ด้วยการคูณกับตัวแปรแปลงหน่วยacres_to_sqfeet - สร้างคอลัมน์ใหม่อีกคอลัมน์ชื่อ
YARD_SIZEโดยนำLOT_SIZE_SQFTลบด้วยFOUNDATIONSIZE - รัน
corr()บนตัวแปรอิสระแต่ละตัว ได้แก่YARD_SIZE,FOUNDATIONSIZE,LOT_SIZE_SQFTเทียบกับตัวแปรตามSALESCLOSEPRICEฟีเจอร์ใหม่มีค่าสหสัมพันธ์สูงกว่าองค์ประกอบแต่ละตัวหรือไม่?
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Lot size in square feet
acres_to_sqfeet = 43560
df = df.____(____, df[____] * ____)
# Create new column YARD_SIZE
df = df.____(____, df[____] - df[____])
# Corr of ACRES vs SALESCLOSEPRICE
print("Corr of ACRES vs SALESCLOSEPRICE: " + str(df.____(____, ____)))
# Corr of FOUNDATIONSIZE vs SALESCLOSEPRICE
print("Corr of FOUNDATIONSIZE vs SALESCLOSEPRICE: " + str(df.____(____, ____)))
# Corr of YARD_SIZE vs SALESCLOSEPRICE
print("Corr of YARD_SIZE vs SALESCLOSEPRICE: " + str(df.____(____, ____)))