항공편 소요 시간 모델: 출발 시간 추가
이전 연습 문제에서 출발 시간을 구간화(bucket)하고 더미 변수로 변환했어요. 이제 그 더미 변수를 항공편 소요 시간에 대한 회귀 모델에 포함해 보겠습니다.
데이터는 flights에 있습니다. km, org_dummy, depart_dummy 열은 features로 묶여 있으며, km는 인덱스 0, org_dummy는 인덱스 1부터 7, depart_dummy는 인덱스 8부터 14까지입니다.
데이터는 학습용과 테스트용으로 분할되었고, 선형 회귀 모델 regression이 학습용 데이터로 학습되었습니다. 테스트 데이터에 대한 예측은 완료되었고 predictions로 제공됩니다.
이 연습은 강의의 일부입니다
PySpark로 하는 Machine Learning
연습 안내
- 테스트 데이터 예측에 대한 RMSE를 구하세요.
- OGG에서 21:00~24:00 사이에 출발하는 항공편의 지상 체류 시간 평균을 구하세요.
- OGG에서 03:00~06:00 사이에 출발하는 항공편의 지상 체류 시간 평균을 구하세요.
- JFK에서 03:00~06:00 사이에 출발하는 항공편의 지상 체류 시간 평균을 구하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)