Modèle de durée de vol : ajout de l'heure de départ
Dans l'exercice précédent, l'heure de départ a été regroupée par compartiments (bucketing) puis convertie en variables fictives (dummy). Vous allez maintenant inclure ces variables fictives dans un modèle de régression pour la durée de vol.
Les données se trouvent dans flights. Les colonnes km, org_dummy et depart_dummy ont été assemblées dans features, où km est à l'indice 0, org_dummy va des indices 1 à 7 et depart_dummy des indices 8 à 14.
Les données ont été séparées en ensembles d'entraînement et de test, et un modèle de régression linéaire, regression, a été construit sur les données d'entraînement. Les prédictions ont été faites sur les données de test et sont accessibles sous predictions.
Cette activité fait partie du cours
Machine Learning avec PySpark
Instructions de l’exercice
- Trouvez la RMSE pour les prédictions sur les données de test.
- Trouvez le temps moyen passé au sol pour les vols au départ de OGG entre 21:00 et 24:00.
- Trouvez le temps moyen passé au sol pour les vols au départ de OGG entre 03:00 et 06:00.
- Trouvez le temps moyen passé au sol pour les vols au départ de JFK entre 03:00 et 06:00.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)