开始使用免费开始使用

解释系数

请记住,始发机场 org 有 8 个可能取值(ORD、SFO、JFK、LGA、SMF、SJC、TUS 和 OGG),在 org_dummy 中经过独热编码为 7 个哑变量。

kmorg_dummy 的值已被组装为 features,该向量使用稀疏表示,共 8 列。features 中各列的索引如下:

  • 0 — km
  • 1 — ORD
  • 2 — SFO
  • 3 — JFK
  • 4 — LGA
  • 5 — SMF
  • 6 — SJC
  • 7 — TUS

请注意,OGG 未出现在此列表中,因为它是始发机场类别的参照水平。

LinearRegression 的一个实例已保存在 regression 中。在本练习中,您将使用其 interceptcoefficients 属性来解读模型。

coefficients 属性是一个列表,其中第一个元素表示航班时长随航程距离的变化情况。

本练习是课程的一部分

使用 PySpark 进行机器学习

查看课程

练习说明

  • 计算平均速度(千米/小时)。这会与您之前得到的数值不同,因为当前模型更为复杂。
  • OGG 的平均地面停留时间是多少?
  • JFK 的平均地面停留时间是多少?
  • LGA 的平均地面停留时间是多少?

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)
编辑并运行代码