Model czasu lotu: dodawanie godziny odlotu
W poprzednim ćwiczeniu godziny odlotu zostały pogrupowane w przedziały i przekształcone na zmienne zero-jedynkowe. Teraz włączysz te zmienne do modelu regresji przewidującego czas lotu.
Dane znajdują się w zbiorze flights. Kolumny km, org_dummy i depart_dummy zostały zebrane w wektorze features, gdzie km jest pod indeksem 0, org_dummy obejmuje indeksy od 1 do 7, a depart_dummy – od 8 do 14.
Dane zostały podzielone na zbiory treningowy i testowy, a model regresji liniowej regression został wytrenowany na danych treningowych. Predykcje na danych testowych są już dostępne jako predictions.
To ćwiczenie jest częścią kursu
Uczenie maszynowe z PySpark
Instrukcje do ćwiczenia
- Wyznacz wartość RMSE dla predykcji na zbiorze testowym.
- Znajdź średni czas spędzony na ziemi dla lotów odlatujących z OGG między 21:00 a 24:00.
- Znajdź średni czas spędzony na ziemi dla lotów odlatujących z OGG między 03:00 a 06:00.
- Znajdź średni czas spędzony na ziemi dla lotów odlatujących z JFK między 03:00 a 06:00.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)