Modèle de durée de vol : ajout de l'aéroport d'origine
Certains aéroports sont plus achalandés que d'autres. Certains sont aussi plus grands. Les vols qui partent d'aéroports grands ou achalandés passent souvent plus de temps au roulage ou à attendre leur créneau de décollage. Il est donc logique que la durée d'un vol dépende non seulement de la distance parcourue, mais aussi de l'aéroport d'où il décolle.
Vous allez rendre le modèle de régression un peu plus sophistiqué en incluant l'aéroport de départ comme prédicteur.
Ces données ont été séparées en ensembles d'entraînement et de test, accessibles sous flights_train et flights_test. L'aéroport d'origine, stocké dans la colonne org, a été indexé dans org_idx, puis transformé en représentation one-hot dans org_dummy. Les premiers enregistrements sont affichés dans le terminal.
Cette activité fait partie du cours
Machine Learning avec PySpark
Instructions de l’exercice
- Ajustez un modèle de régression linéaire sur les données d'entraînement.
- Produisez des prédictions pour les données de test.
- Calculez la RMSE pour les prédictions sur les données de test.
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
predictions = ____.____(____)
# Calculate the RMSE on testing data
____(____).____(____)