实验 1
运用逻辑回归分析银行营销数据
知识点: 1.Spark机器学习开发的常规步骤 2.Spark框架提供的特征转换算法StringIndex 3.Spark框架提供的特征转换算法OneHotEncoder 4.Spark提供的API对预测结果准确度进行评估 5.SparkSQL在Spark机器学习中的用法
Spark 分析银行营销数据
会员存款营销是银行吸收存款的主要经营模式，通过现有数据建立模型来判断客户是否订阅存款业务，从而帮助商业银行更好的分配人力资源，提高业务量，以满足现阶段营销活动对提高营销成功率的期望。 本实验会使用spark机器学习中的逻辑回归算法，分析银行营销数据，按照机器学习开发步骤，建立逻辑回归模型，预测客户是否会存款，并评估预测模型的精确度。
课程内容
自学困难重重？点这里，快速打通机器学习技术路径
共1个章节
课程教师
李登峰 共发布过 1 门课程
十年Java研发经验，4年大数据研发经验。专注于大数据研发、大数据架构设计及落地。参与多个大数据项目。目前负责公司大数据架构方面的工作，并拥有多年的企业内部培训经验。
查看老师的所有课程 >学过本课的同学也学过...
学习
学习
不错
提示not found value sparksession
在线环境性能问题，可能需要有点耐心多等待一下。
太卡了。。。。完全没法学。。
反应太慢了，很久不动