文件名称：航班分析
文件大小：22.51MB
文件格式：ZIP
更新时间：2024-03-10 22:28:44
JupyterNotebook
航班分析 I.目标：在本分析中，我将通过预测延迟来深入探讨航班延误，我的目标是我还将尝试为模型使用前端接口。 二。 数据 编写API以从网站下载数据直线 编写API以获取机场数据：位置和排名 建立航班，机场和航空公司的数据库 三， 数据清理和处理 合并表格 对待缺失的价值观 创建新功能： Days_to_Holiday：最接近假日的一天是多少天 Rec_Time：出发和到达延迟时间恢复的时间 归一化有关通话时间的延迟时间 IV。 假设 航班延误可能受到以下因素的影响 日期（年，月，月日，星期几，一年中的星期） 当地时间（ArrTimeBlk / DepTimeBlk） 始发机场 目的地机场 航空公司 此外，有关航班延误的历史数据可能会为将来的延误提供信息。 例如，去年与天气相关的延误原因可能在今年的同一时期内再次发生 V.探索性数据分析在这里，我们将探索可用数据以验证我们的假
【文件预览】：
Flights-Analysis-master
----.ipynb_checkpoints()
--------Fight Departure Delays-checkpoint.ipynb(72B)
----Static()
--------index.html(0B)
--------js()
--------json()
--------css()
----Script()
--------module_flight.py(0B)
--------__pycache__()
----.DS_Store(6KB)
----database.db(0B)
----flighttest.db(0B)
----Fight Departure Delays.ipynb(10KB)
----LICENSE(1KB)
----README.md(1KB)
----Data()
--------.DS_Store(6KB)
--------Jan_2019_ontime.csv(72.51MB)
--------Jan_2020_ontime.csv(75.59MB)