Model doby letu: Přidání výchozího letiště
Některá letiště jsou vytíženější než jiná – a některá jsou i větší. Lety odlétající z velkých nebo rušných letišť pravděpodobně stráví více času pojížděním po ranveji nebo čekáním na přidělení vzletového slotu. Dává tedy smysl, že doba letu závisí nejen na ujeté vzdálenosti, ale také na letišti, ze kterého let odlétá.
Regresní model teď trochu vylepšíme – přidáme výchozí letiště jako prediktor.
Data jsou rozdělena na trénovací a testovací sadu a jsou dostupná jako flights_train a flights_test. Výchozí letiště, uložené ve sloupci org, bylo zakódováno do org_idx, které bylo následně one-hot enkódováno do org_dummy. První záznamy jsou zobrazeny v terminálu.
Toto cvičení je součástí kurzu
Machine Learning with PySpark
Pokyny k cvičení
- Natrénuj model lineární regrese na trénovacích datech.
- Vytvoř predikce pro testovací data.
- Vypočítej RMSE pro predikce na testovacích datech.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from pyspark.ml.regression import LinearRegression
from pyspark.ml.evaluation import RegressionEvaluator
# Create a regression object and train on training data
regression = ____(____).____(____)
# Create predictions for the testing data
predictions = ____.____(____)
# Calculate the RMSE on testing data
____(____).____(____)