Sestavení modelu logistické regrese
Model rozhodovacího stromu na letových datech už máš za sebou. Teď vytvoříš model logistické regrese na stejných datech.
Cílem je předpovědět, zda bude let pravděpodobně zpožděn alespoň o 15 minut (label 1), nebo ne (label 0).
Ačkoli máš k dispozici celou řadu prediktorů, prozatím použiješ jen sloupce mon, depart a duration. Jde o číselné příznaky, které lze pro model logistické regrese použít přímo. Než budeš moci zahrnout i kategoriální příznaky, bude potřeba trochu více práce. Brzy se k tomu dostaneme!
Data jsou rozdělena na trénovací a testovací sadu a jsou dostupná jako flights_train a flights_test.
Toto cvičení je součástí kurzu
Machine Learning with PySpark
Pokyny k cvičení
- Importuj třídu pro vytvoření klasifikátoru logistické regrese.
- Vytvoř objekt klasifikátoru a natrénuj ho na trénovacích datech.
- Vygeneruj predikce pro testovací data a vytvoř matici záměn.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import the logistic regression class
from pyspark.ml.____ import ____
# Create a classifier object and train on training data
logistic = ____().____(____)
# Create predictions for the testing data and show confusion matrix
prediction = ____.____(____)
prediction.groupBy(____, ____).____().show()