构建一个 Logistic Regression 模型
您已经使用航班数据构建过一个决策树模型。现在，您将基于相同的数据创建一个 Logistic Regression 模型。
目标是预测某次航班是否可能延误至少 15 分钟（标签为 1），或不会（标签为 0）。
尽管您可以使用多种预测变量，此处暂时只使用 mon、depart 和 duration 三列。它们是数值特征，可以直接用于 Logistic Regression 模型。若要加入类别型特征，您还需要做一些前处理。请继续关注后续内容！
数据已被划分为训练集和测试集，分别为 flights_train 和 flights_test。
本练习是课程的一部分
使用 PySpark 进行机器学习
练习说明
- 导入用于创建 Logistic Regression 分类器的类。
- 创建分类器对象，并在训练数据上进行训练。
- 对测试数据进行预测，并创建混淆矩阵。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the logistic regression class
from pyspark.ml.____ import ____
# Create a classifier object and train on training data
logistic = ____().____(____)
# Create predictions for the testing data and show confusion matrix
prediction = ____.____(____)
prediction.groupBy(____, ____).____().show()