Generowanie cech

Inżynieria cech z PySpark

John Hogue

Lead Data Scientist

Po co generować nowe cechy?

Generowanie

Mnożenie

Sumowanie

Różnicowanie

Dzielenie

Wykres modelu liniowego – długość

Wykres modelu liniowego – szerokość

Mnożenie

# Creating a new feature, area by multiplying
df = df.withColumn('TSQFT', (df['WIDTH'] * df['LENGTH']))

Wykres modelu liniowego – powierzchnia

# Sum two columns
df = df.withColumn('TSQFT', (df['SQFTBELOWGROUND'] + df['SQFTABOVEGROUND']))

# Divide two columns
df = df.withColumn('PRICEPERTSQFT', (df['LISTPRICE'] / df['TSQFT']))

# Difference two columns
df = df.withColumn('DAYSONMARKET', datediff('OFFMARKETDATE', 'LISTDATE'))

Automatyzacja cech

Futurystyczny obraz

Inżynieria cech z PySpark