Интерпретация коэффициентов

Напомним, что аэропорт вылета, org, может принимать восемь значений (ORD, SFO, JFK, LGA, SMF, SJC, TUS и OGG), которые были преобразованы методом унитарного кодирования в семь фиктивных переменных в org_dummy.

Значения km и org_dummy объединены в вектор features, который содержит восемь столбцов в разреженном представлении. Индексы столбцов в features следующие:

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

Обратите внимание, что OGG отсутствует в этом списке, поскольку является базовым уровнем для категории аэропорта вылета.

Экземпляр LinearRegression доступен в переменной regression. В этом упражнении вы будете использовать атрибуты intercept и coefficients для интерпретации модели.

Атрибут coefficients — это список, где первый элемент показывает, как продолжительность рейса изменяется в зависимости от расстояния.

Это упражнение является частью курса

Машинное обучение с PySpark

Посмотреть курс

Инструкции к упражнению

Найдите среднюю скорость в км в час. Она будет отличаться от значения, полученного ранее, поскольку модель теперь стала более сложной.
Какова средняя задержка на земле в аэропорту OGG?
Какова средняя задержка на земле в аэропорту JFK?
Какова средняя задержка на земле в аэропорту LGA?

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код