Modelul pentru durata zborului: doar distanța
În acest exercițiu vei construi un model de regresie pentru a prezice durata zborului (coloana duration).
Deocamdată vei menține modelul simplu, incluzând ca predictor doar distanța zborului (coloana km).
Datele se află în flights. Primele înregistrări sunt afișate în terminal. Aceste date au fost, de asemenea, împărțite în seturi de antrenament și de testare, disponibile ca flights_train și flights_test.
Acest exercițiu face parte din cursul
Machine Learning cu PySpark
Instrucțiuni pentru exercițiu
- Creează un obiect de regresie liniară. Specifică numele coloanei de etichete. Antrenează-l pe datele de antrenament.
- Generează predicții pe datele de testare.
- Creează un obiect evaluator de regresie și folosește-l pentru a calcula RMSE pe datele de testare.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
from pyspark.ml.regression import LinearRegression
from pyspark.ml.evaluation import RegressionEvaluator
# Create a regression object and train on training data
regression = ____(____).____(____)
# Create predictions for the testing data and take a look at the predictions
predictions = ____.____(____)
predictions.select('duration', 'prediction').show(5, False)
# Calculate the RMSE
____(____).____(predictions)