Skip to Main Content
Spark: La Guía Definitiva
book

Spark: La Guía Definitiva

by Bill Chambers, Matei Zaharia
September 2024
Intermediate to advanced content levelIntermediate to advanced
606 pages
16h 12m
Spanish
O'Reilly Media, Inc.
Book available
Content preview from Spark: La Guía Definitiva

Capítulo 25. Preprocesamiento e ingeniería de rasgos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Cualquier científico de datos de que se precie sabe que uno de los mayores retos (y sumideros de tiempo) en el análisis avanzado es el preprocesamiento. No es que sea una programación especialmente complicada, sino que requiere un profundo conocimiento de los datos con los que trabajas y una comprensión de lo que necesita tu modelo para aprovechar con éxito esos datos. Este capítulo cubre los detalles de cómo puedes utilizar Spark para realizar el preprocesamiento y la ingeniería de características. Repasaremos los requisitos básicos que deberás cumplir para entrenar un modelo MLlib en función de cómo estén estructurados tus datos. A continuación, hablaremos de las distintas herramientas que Spark pone a tu disposición para realizar este tipo de trabajo.

Formatear los modelos según tu caso práctico

Para preprocesar datos para las distintas herramientas de análisis avanzado de Spark, debes tener en cuenta tu objetivo final. La siguiente lista recorre los requisitos de la estructura de datos de entrada para cada tarea de análisis avanzado en MLlib:

  • En el caso de la mayoría de los algoritmos de clasificación y regresión, quieres introducir tus datos en una columna de tipo Double para representar la etiqueta y una columna de tipo Vector (densa o dispersa) para representar las características.

  • En el caso de la ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

Óxido Atómico y Cerraduras

Óxido Atómico y Cerraduras

Mara Bos
CockroachDB: La guía definitiva

CockroachDB: La guía definitiva

Guy Harrison, Jesse Seldess, Ben Darnell
Concurrencia en Go

Concurrencia en Go

Katherine Cox-Buday

Publisher Resources

ISBN: 9781098183707Supplemental Content