Генерація ознак

Опрацювання ознак у PySpark

John Hogue

Lead Data Scientist

Навіщо генерувати нові ознаки?

Генерація

Множення

Сума

Різниця

Ділення

Графік лінійної моделі для довжини

Графік лінійної моделі для ширини

Множення

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

Графік лінійної моделі для площі

# 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'))

Автоматизація ознак

Футуристичне зображення

Опрацювання ознак у PySpark