解讀係數
請記得,起飛機場 org 有 8 個可能的值(ORD、SFO、JFK、LGA、SMF、SJC、TUS 和 OGG),並已對 org_dummy 做 one-hot 編碼成 7 個虛擬變數。
km 與 org_dummy 的值已組合成 features,使用稀疏表示法,共有 8 個欄位。features 的欄位索引如下:
- 0 —
km - 1 —
ORD - 2 —
SFO - 3 —
JFK - 4 —
LGA - 5 —
SMF - 6 —
SJC,以及 - 7 —
TUS。
請注意,OGG 沒有出現在這個清單中,因為它是起飛機場類別的參考層級。
LinearRegression 的實例已存於 regression。在本練習中,你會使用 intercept 與 coefficients 屬性來解讀模型。
coefficients 屬性是一個清單,其中第一個元素表示航程距離改變時,航班耗時如何變動。
本練習屬於課程
使用 PySpark 的機器學習
練習說明
- 求每小時的平均速度(km/h)。由於你的模型更進一步,這個值會與你先前得到的不同。
- OGG 的平均地面等待時間是多少?
- JFK 的平均地面等待時間是多少?
- LGA 的平均地面等待時間是多少?
動手互動練習
試著完成這個範例程式碼,體驗一下這個練習。
# 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)