Interpretation der Koeffizienten

Denk dran, dass der Abflughafen „ org “ acht mögliche Werte hat (ORD, SFO, JFK, LGA, SMF, SJC, TUS und OGG), die in „ org_dummy “ mit einer Ein-Hot-Kodierung in sieben Dummy-Variablen umgewandelt wurden.

Die Werte für „ km “ und „ org_dummy “ wurden in „ features “ zusammengefasst, das acht Spalten mit spärlicher Darstellung hat. Die Spaltenindizes in „ features “ sind wie folgt:

0 — km
1 — ORD
2 — SFO
3 — JFK
4 — LGA
5 — SMF
6 — SJC und
7 — TUS.

Beachte, dass „ OGG ” nicht in dieser Liste auftaucht, weil es die Referenzstufe für die Kategorie „Flughafen am Abflugort” ist.

Ein Beispiel für „ LinearRegression ” findest du unter regression. In dieser Übung wirst du die Attribute „ intercept “ und „ coefficients “ verwenden, um das Modell zu interpretieren.

Das Attribut „ coefficients “ ist eine Liste, wo das erste Element angibt, wie sich die Flugdauer mit der Flugentfernung ändert.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit PySpark

Kurs anzeigen

Anleitung zur Übung

Berechne die Durchschnittsgeschwindigkeit in km pro Stunde. Das wird anders aussehen als der Wert, den du vorher bekommen hast, weil dein Modell jetzt besser ist.
Wie lange dauert man im Schnitt am Flughafen OGG?
Wie lange dauert man im Schnitt am JFK?
Wie lange dauert man im Schnitt am Flughafen LGA?

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Average speed in km per hour
avg_speed_hour = ____
print(avg_speed_hour)

# Average minutes on ground at OGG
inter = regression.____
print(inter)

# Average minutes on ground at JFK
avg_ground_jfk = ____ + regression.____[____]
print(avg_ground_jfk)

# Average minutes on ground at LGA
avg_ground_lga = ____ + regression.____[____]
print(avg_ground_lga)

Code bearbeiten und ausführen