開始使用免費開始

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。

kmorg_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 interceptcoefficients 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

檢視課程

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)
編輯並執行程式碼