航班时长模型：加入起飞机场
有些机场更繁忙，也有些机场规模更大。从大型或繁忙机场起飞的航班，滑行或等待起飞时隙的时间往往更长。因此，航班的时长很可能不仅取决于飞行距离，也与起飞机场有关。
您将把回归模型稍微做得更精细一些，把起飞机场作为一个预测变量加入模型。
这些数据已被划分为训练集和测试集，分别为 flights_train 和 flights_test。起飞机场存储在 org 列中，已被索引为 org_idx，并进一步进行独热编码为 org_dummy。终端中显示了前几条记录。
本练习是课程的一部分
使用 PySpark 进行机器学习
练习说明
- 在训练数据上拟合线性回归模型。
- 对测试数据进行预测。
- 计算测试数据预测结果的 RMSE。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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
____(____).____(____)