Feature Engineering avec PySpark

Les données réelles sont rarement propres et prêtes pour l’analyse. Dans ce chapitre, apprenez à supprimer les informations inutiles, gérer les valeurs manquantes et ajouter des données complémentaires à votre analyse.

Dans ce chapitre, vous apprendrez à créer de nouvelles variables pour aider votre modèle de Machine Learning à apprendre. Nous verrons comment les générer en combinant des champs, en extrayant des valeurs de colonnes peu structurées ou en les encodant pour de meilleurs résultats.

Dans ce chapitre, nous apprendrons à choisir le type de modèle adapté. Ensuite, nous verrons comment appliquer nos données au modèle et l’évaluer. Enfin, nous apprendrons à interpréter les résultats et à enregistrer le modèle pour plus tard.