係数を読み解く
出発空港 org には 8 つの値(ORD, SFO, JFK, LGA, SMF, SJC, TUS, OGG)があり、org_dummy ではワンホットエンコーディングで 7 個のダミー変数に変換されています。
km と org_dummy の値は疎行列表現で 8 列の features にまとめられています。features の列インデックスは次のとおりです。
- 0 —
km - 1 —
ORD - 2 —
SFO - 3 —
JFK - 4 —
LGA - 5 —
SMF - 6 —
SJC - 7 —
TUS
OGG は出発空港カテゴリの基準レベルであるため、この一覧には含まれていない点に注意してください。
LinearRegression のインスタンスが regression として利用可能です。この演習では、モデルを解釈するために intercept と coefficients 属性を使います。
coefficients 属性はリストで、最初の要素は飛行距離が増えると飛行時間がどのように変化するかを示します。
この演習はコースの一部です
Machine Learning with PySpark
演習の手順
- 平均速度(km/時)を求めてください。モデルがより高度になったため、以前に得た値とは異なるはずです。
- OGG での地上滞在の平均時間はどれくらいですか。
- JFK での地上滞在の平均時間はどれくらいですか。
- LGA での地上滞在の平均時間はどれくらいですか。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)