08. ماشین لرنینگ در پای اسپارک - رگرسیون خطی

یکی از ویژگی‌های مهم پای اسپارک اینه که میتونیم تسکهای ماشین لرنینگ رو با این ابزار پیاده سازی کنیم. در این جلسه پیاده سازی تسک رگرسیون با پای اسپارک رو یاد میگیریم. نکته مهم در تسکهای ماشین لرنینگ با پای اسپارک اینه که ابتدا باید داده های ورودی رو وکتورایز کنیم. دستوراتی که در این جلسه پای اسپارک یاد میگیریم:

from pyspark.ml.feature import VectorAssembler
from pyspark.ml.regression import LinearRegression
trainset, testset = data.randomSplit([0.75, 0.25])
LR = LinearRegression(featureCol='featurecol', labelCol='target')
LR = LR.fit(trainset)
pred = LR.evaluate(testset)

دسترسی به همه فایل‌هایی که در ویدیو وجود دارد:
https://github.com/rezashokrzad/PySpark

آدرس کانال‌های ارتباطی:
بلاگ مقالات به روز حوزه: http://ctdrs.ir/ds1111
وبسایت دپارتمان علم داده: https://cafetadris.com/datascience
کانال تلگرام تخصصی علم داده: @dslanders
id تلگرام من: @rezashokrzad

Видео 08. ماشین لرنینگ در پای اسپارک - رگرسیون خطی канала Reza Shokrzad - Data Science & AI