分类列
在航班数据中有两列 carrier 和 org，包含分类数据。您需要将这些列转换为带索引的数值。
本练习是课程的一部分
使用 PySpark 进行机器学习
练习说明
- 导入合适的类，并创建一个索引器对象，将
carrier列从字符串转换为数值索引。 - 在航班数据上拟合该索引器对象。
- 使用已拟合的索引器创建数值索引列。
- 对
org列重复上述过程。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)