उड़ान अवधि मॉडल: मूल (origin) हवाईअड्डा जोड़ना
कुछ हवाईअड्डे दूसरों की तुलना में ज़्यादा व्यस्त होते हैं। कुछ आकार में भी बड़े होते हैं। बड़े या व्यस्त हवाईअड्डों से उड़ने वाली फ्लाइट्स को टैक्सी करने या टेकऑफ स्लॉट का इंतज़ार करने में अधिक समय लग सकता है। इसलिए यह मानना तर्कसंगत है कि किसी उड़ान की अवधि केवल तय की जाने वाली दूरी पर ही नहीं, बल्कि जिस हवाईअड्डे से वह उड़ान भरती है, उस पर भी निर्भर कर सकती है।
आप रिग्रेशन मॉडल को थोड़ा और परिष्कृत करेंगे और प्रेडिक्टर के रूप में प्रस्थान (departure) हवाईअड्डा शामिल करेंगे।
इन डेटा को training और testing सेट में बाँटा गया है और ये flights_train और flights_test के रूप में उपलब्ध हैं। मूल हवाईअड्डा org कॉलम में है, जिसे इंडेक्स करके org_idx बनाया गया है, और आगे उसे one-hot एन्कोड करके org_dummy में बदला गया है। शुरुआती कुछ रिकॉर्ड टर्मिनल में दिखाए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
PySpark के साथ Machine Learning
अभ्यास निर्देश
- training डेटा पर एक linear regression मॉडल फिट करें।
- testing डेटा के लिए प्रेडिक्शन बनाइए।
- testing डेटा पर प्रेडिक्शन के लिए RMSE निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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
____(____).____(____)