Modelul duratei zborului: Adăugarea orei de plecare
În exercițiul anterior, ora de plecare a fost grupată în intervale și convertită în variabile dummy. Acum vei include aceste variabile dummy într-un model de regresie pentru durata zborului.
Datele se află în flights. Coloanele km, org_dummy și depart_dummy au fost asamblate în features, unde km este la indexul 0, org_dummy acoperă indexurile de la 1 la 7, iar depart_dummy de la indexul 8 la 14.
Datele au fost împărțite în seturi de antrenament și de testare, iar un model de regresie liniară, regression, a fost construit pe datele de antrenament. Predicțiile au fost realizate pe datele de testare și sunt disponibile ca predictions.
Acest exercițiu face parte din cursul
Machine Learning cu PySpark
Instrucțiuni pentru exercițiu
- Calculează RMSE-ul pentru predicțiile pe datele de testare.
- Calculează timpul mediu petrecut la sol pentru zborurile care pleacă din OGG între 21:00 și 24:00.
- Calculează timpul mediu petrecut la sol pentru zborurile care pleacă din OGG între 03:00 și 06:00.
- Calculează timpul mediu petrecut la sol pentru zborurile care pleacă din JFK între 03:00 și 06:00.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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)