Построение модели логистической регрессии
Ранее вы уже построили модель дерева решений на основе данных о рейсах. Теперь вы создадите модель логистической регрессии на тех же данных.
Цель — предсказать, задержится ли рейс минимум на 15 минут (метка 1) или нет (метка 0).
Несмотря на то что в вашем распоряжении есть разнообразные предикторы, пока вы будете использовать только столбцы mon, depart и duration. Это числовые признаки, которые можно сразу применять в модели логистической регрессии. Чтобы включить категориальные признаки, потребуется немного больше работы — об этом поговорим чуть позже!
Данные уже разбиты на обучающую и тестовую выборки и доступны как flights_train и flights_test.
Это упражнение является частью курса
Машинное обучение с PySpark
Инструкции к упражнению
- Импортируйте класс для создания классификатора на основе логистической регрессии.
- Создайте объект классификатора и обучите его на обучающих данных.
- Сформируйте предсказания для тестовых данных и постройте матрицу ошибок.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import the logistic regression class
from pyspark.ml.____ import ____
# Create a classifier object and train on training data
logistic = ____().____(____)
# Create predictions for the testing data and show confusion matrix
prediction = ____.____(____)
prediction.groupBy(____, ____).____().show()