Choisir l'algorithme

Feature Engineering avec PySpark

John Hogue

Lead Data Scientist, General Mills

Panorama Spark ML

Organigramme ML

Feature Engineering avec PySpark

Panorama Spark ML

Organigramme ML

Feature Engineering avec PySpark

Panorama Spark ML

Organigramme ML

Feature Engineering avec PySpark

Panorama Spark ML

Organigramme ML

Feature Engineering avec PySpark

Méthodes de régression PySpark

Méthodes dans ml.regression :

  • GeneralizedLinearRegression
  • IsotonicRegression
  • LinearRegression

 

  • DecisionTreeRegression
  • GBTRegression
  • RandomForestRegression
Feature Engineering avec PySpark

Méthodes de régression PySpark

Méthodes dans ml.regression :

  • GeneralizedLinearRegression
  • IsotonicRegression
  • LinearRegression

 

  • DecisionTreeRegression
  • GBTRegression
  • RandomForestRegression
Feature Engineering avec PySpark

Schéma RFR

Feature Engineering avec PySpark

Découper apprentissage/test pour séries temporelles

Feature Engineering avec PySpark

Découper apprentissage/test pour séries temporelles

# Create variables for max and min dates in our dataset
max_date = df.agg({'OFFMKTDATE': 'max'}).collect()[0][0]
min_date = df.agg({'OFFMKTDATE': 'min'}).collect()[0][0]
# Find how many days our data spans
from pyspark.sql.functions import datediff
range_in_days = datediff(max_date, min_date)
# Find the date to split the dataset on
from pyspark.sql.functions import date_add
split_in_days = round(range_in_days * 0.8)
split_date = date_add(min_date, split_in_days)
# Split the data into 80% train, 20% test
train_df = df.where(df['OFFMKTDATE'] < split_date) 
test_df = df.where(df['OFFMKTDATE'] >= split_date)\
  .where(df['LISTDATE'] >= split_date)
Feature Engineering avec PySpark

Passons à la pratique !

Feature Engineering avec PySpark

Preparing Video For Download...