Klasifikace textu

Úvod do Spark SQL v Pythonu

Mark Plutowski

Data Scientist

Predikce koncového slova

Úvod do Spark SQL v Pythonu

Šipka sekvence

Úvod do Spark SQL v Pythonu

Koncové slovo

Úvod do Spark SQL v Pythonu

Závorka koncového slova

Úvod do Spark SQL v Pythonu

Náhodné míchání 1

Úvod do Spark SQL v Pythonu

Náhodné míchání 2

Úvod do Spark SQL v Pythonu

Písně

Úvod do Spark SQL v Pythonu

Videa

Úvod do Spark SQL v Pythonu

Výběr dat

df_true = df.where("endword in ('she', 'he', 'hers', 'his', 'her', 'him')")\
            .withColumn('label', lit(1))


df_false = df.where("endword not in ('she', 'he', 'hers', 'his', 'her', 'him')")\
           .withColumn('label', lit(0))
Úvod do Spark SQL v Pythonu

Sloučení pozitivních a negativních dat

df_examples = df_true.union(df_false)
Úvod do Spark SQL v Pythonu

Rozdělení dat na trénovací a vyhodnocovací sady

df_train, df_eval = df_examples.randomSplit((0.60, 0.40), 42)
Úvod do Spark SQL v Pythonu

Trénování

from pyspark.ml.classification import LogisticRegression

logistic = LogisticRegression(maxIter=50, regParam=0.6, elasticNetParam=0.3)

model = logistic.fit(df_train)

print("Training iterations: ", model.summary.totalIterations)
Úvod do Spark SQL v Pythonu

Lass uns üben!

Úvod do Spark SQL v Pythonu

Preparing Video For Download...