Modell för flygtid: Lägger till avgångsflygplats
Vissa flygplatser är mer trafikerade än andra, och en del är också större. Flygningar från stora eller trafikerade flygplatser tillbringar troligen mer tid med att taxa eller vänta på sin startplats. Det finns alltså goda skäl att tro att flygtiden inte bara beror på sträckan som flygs, utan också på vilken flygplats planet avgår från.
Du ska nu göra regressionsmodellen lite mer sofistikerad genom att inkludera avgångsflygplatsen som en prediktor.
Datan har delats upp i tränings- och testmängder och finns tillgänglig som flights_train och flights_test. Avgångsflygplatsen, lagrad i kolumnen org, har indexerats till org_idx, som i sin tur har one-hot-enkodats till org_dummy. De första posterna visas i terminalen.
Den här övningen är en del av kursen
Maskininlärning med PySpark
Övningsinstruktioner
- Anpassa en linjär regressionsmodell till träningsdata.
- Generera prediktioner för testdata.
- Beräkna RMSE för prediktionerna på testdata.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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
predictions = ____.____(____)
# Calculate the RMSE on testing data
____(____).____(____)