起飞时间分箱

一天中的时间对回归模型是个挑战，同时也非常适合做分箱处理。

在本练习中，您将把航班起飞时间从 0（对应 00:00）到 24（对应 24:00）之间的数值转换为分箱后的取值。然后再对这些分箱结果进行独热编码。

本练习是课程的一部分

使用 PySpark 进行机器学习

查看课程

练习说明

创建一个分箱器对象，分箱边界为 0、3、6、…、24，对应的时间为 0:00、03:00、06:00、…、24:00。将输入列设为 depart，输出列设为 depart_bucket。
对 flights 数据中的起飞时间进行分箱。展示 depart 和 depart_bucket 的前 5 个值。
创建一个独热编码器对象，将 depart_bucket 设为输入列，将 depart_dummy 设为输出列。
先在分箱后的数据上拟合编码器，然后将其用于将数据转换为哑变量。展示 depart、depart_bucket 和 depart_dummy 的前 5 个值。

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 Bucketizer, OneHotEncoder

# Create buckets at 3 hour intervals through the day
buckets = ____(splits=[____], inputCol='____', outputCol='____')

# Bucket the departure times
bucketed = buckets.____(____)
bucketed.____('____', '____').____(____)

# Create a one-hot encoder
onehot = ____(inputCols=['____'], outputCols=['____'])

# One-hot encode the bucketed departure times
flights_onehot = ____.____(____).____(____)
flights_onehot.____('____', '____', '____').____(____)

编辑并运行代码