Interpretação de coeficientes

Lembre-se de que o aeroporto de origem, org, tem oito valores possíveis (ORD, SFO, JFK, LGA, SMF, SJC, TUS e OGG), que foram codificados em um único ponto para sete variáveis fictícias em org_dummy.

Os valores de km e org_dummy foram reunidos em features, que tem oito colunas com representação esparsa. Os índices de coluna em features são os seguintes:

0 — km
1 — ORD
2 — SFO
3 — JFK
4 — LGA
5 — SMF
6 - SJC e
7 — TUS.

Observe que OGG não aparece nessa lista porque é o nível de referência para a categoria de aeroporto de origem.

Uma instância de LinearRegression está disponível em regression. Neste exercício, você usará os atributos intercept e coefficients para interpretar o modelo.

O atributo coefficients é uma lista, em que o primeiro elemento indica como a duração do voo muda com a distância do voo.

Este exercício faz parte do curso

Machine learning com PySpark

Ver curso

Instruções do exercício

Encontre a velocidade média em quilômetros por hora. Esse valor será diferente do valor que você obteve anteriormente porque seu modelo agora é mais sofisticado.
Qual é o tempo médio de permanência no solo na OGG?
Qual é o tempo médio de permanência em terra no JFK?
Qual é o tempo médio de permanência em solo no LGA?

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)

Editar e executar o código