Модель тривалості польоту: додавання аеропорту відправлення
Деякі аеропорти завантаженіші за інші. Деякі також більші. Рейси, що відправляються з великих або завантажених аеропортів, імовірно, більше часу витрачають на руління та очікування свого слоту на зліт. Отже, логічно припустити, що тривалість польоту може залежати не лише від подоланої відстані, а й від аеропорту, з якого рейс вирушає.
Ви зробите модель регресії трохи складнішою, додавши аеропорт відправлення як ознаку.
Дані поділено на тренувальну та тестову вибірки й надано як flights_train та flights_test. Аеропорт відправлення, що зберігається у стовпці org, було перетворено в індекс org_idx, який, своєю чергою, було закодовано методом one-hot у org_dummy. Перші кілька записів відображено в терміналі.
Ця вправа є частиною курсу
Machine Learning з PySpark
Інструкції до вправи
- Навчіть лінійну регресійну модель на тренувальних даних.
- Зробіть прогнози для тестових даних.
- Обчисліть RMSE для прогнозів на тестових даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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
____(____).____(____)