เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดลระยะเวลาเที่ยวบิน: เพิ่มสนามบินต้นทาง

สนามบินบางแห่งมีความพลุกพล่านมากกว่าแห่งอื่น และบางแห่งก็มีขนาดใหญ่กว่าด้วย เที่ยวบินที่ออกเดินทางจากสนามบินขนาดใหญ่หรือที่มีการจราจรหนาแน่นมักต้องใช้เวลาในการแท็กซี่หรือรอคิวขึ้นบินนานขึ้น ดังนั้นจึงมีเหตุผลที่จะสันนิษฐานได้ว่าระยะเวลาของเที่ยวบินอาจขึ้นอยู่กับไม่เพียงแค่ระยะทางที่บินเท่านั้น แต่ยังรวมถึงสนามบินต้นทางด้วย

ในแบบฝึกหัดนี้จะปรับโมเดล Regression ให้ซับซ้อนขึ้นอีกเล็กน้อยโดยเพิ่มสนามบินต้นทางเป็น predictor

ข้อมูลถูกแบ่งออกเป็นชุด training และ testing แล้ว และพร้อมใช้งานในชื่อ flights_train และ flights_test สนามบินต้นทางซึ่งเก็บอยู่ในคอลัมน์ org ถูก index แล้วเป็น org_idx และถูก one-hot encoded เป็น org_dummy บันทึกแรกๆ จะแสดงอยู่ใน terminal

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Fit โมเดล Linear Regression กับข้อมูล training
  • สร้างการพยากรณ์สำหรับข้อมูล testing
  • คำนวณค่า RMSE จากการพยากรณ์บนข้อมูล testing

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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
____(____).____(____)
แก้ไขและรันโค้ด