Model doby letu: Přidání času odletu
V předchozím cvičení byl čas odletu rozdělen do skupin a převeden na dummy proměnné. Teď je zahrneš do regresního modelu pro dobu letu.
Data jsou uložena v flights. Sloupce km, org_dummy a depart_dummy byly sestaveny do features, kde km má index 0, org_dummy pokrývá indexy 1 až 7 a depart_dummy indexy 8 až 14.
Data byla rozdělena na trénovací a testovací sadu a na trénovacích datech byl sestaven lineární regresní model regression. Předpovědi na testovacích datech jsou k dispozici jako predictions.
Toto cvičení je součástí kurzu
Machine Learning with PySpark
Pokyny k cvičení
- Zjisti RMSE pro předpovědi na testovacích datech.
- Zjisti průměrnou dobu strávenou na zemi pro lety odlétající z OGG mezi 21:00 a 24:00.
- Zjisti průměrnou dobu strávenou na zemi pro lety odlétající z OGG mezi 03:00 a 06:00.
- Zjisti průměrnou dobu strávenou na zemi pro lety odlétající z JFK mezi 03:00 a 06:00.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Find the RMSE on testing data
from pyspark.ml.____ import ____
rmse = ____(____).____(____)
print("The test RMSE is", rmse)
# Average minutes on ground at OGG for flights departing between 21:00 and 24:00
avg_eve_ogg = regression.____
print(avg_eve_ogg)
# Average minutes on ground at OGG for flights departing between 03:00 and 06:00
avg_night_ogg = regression.____ + regression.____[9]
print(avg_night_ogg)
# Average minutes on ground at JFK for flights departing between 03:00 and 06:00
avg_night_jfk = regression.____ + regression.____[____] + regression.____[____]
print(avg_night_jfk)