Modèle de durée de vol : seulement la distance
Dans cet exercice, vous allez construire un modèle de régression pour prédire la durée du vol (la colonne duration).
Pour l'instant, vous garderez le modèle simple en n'incluant que la distance du vol (la colonne km) comme prédicteur.
Les données se trouvent dans flights. Les premiers enregistrements s'affichent dans le terminal. Ces données ont aussi été séparées en ensembles d'entraînement et de mise à l'épreuve, accessibles sous flights_train et flights_test.
Cette activité fait partie du cours
Machine Learning avec PySpark
Instructions de l’exercice
- Créez un objet de régression linéaire. Indiquez le nom de la colonne d'étiquette. Ajustez-le aux données d'entraînement.
- Faites des prédictions sur les données de mise à l'épreuve.
- Créez un objet d'évaluation de régression et utilisez-le pour calculer la RMSE sur les données de mise à l'épreuve.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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 and take a look at the predictions
predictions = ____.____(____)
predictions.select('duration', 'prediction').show(5, False)
# Calculate the RMSE
____(____).____(predictions)