Flight Price Prediction 机票价格预测

#### 背景描述
该研究的目的是分析从“Ease My Trip”网站获得的航班预订数据集，并进行各种统计假设检验，以便从中获得有意义的信息。 “线性回归”统计算法将用于训练数据集并预测连续目标变量。 “Easemytrip”是一个预订机票的互联网平台，因此是潜在乘客用来购买机票的平台。 对数据的彻底研究将有助于发现对乘客具有巨大价值的宝贵见解。
#### 数据说明
数据集包含来自 Easemytrip 网站的航班预订选项信息，用于印度前 6 大都会城市之间的航班旅行。 清理后的数据集中有 300261 个数据点和 11 个特征。

清洗后的数据集的各种特征解释如下：
1）航空公司：航空公司的名称存储在航空公司列中。这是一个有 6 家不同航空公司的分类特征。
2) Flight：Flight 存储有关飞机航班代码的信息。这是一个分类特征。
3) 源城市：航班起飞的城市。这是一个具有 6 个独特城市的分类特征。
4）出发时间：这是通过将时间段分组到箱中而获得的派生分类特征。它存储有关出发时间的信息，并具有 6 个独特的时间标签。
5) 停靠点：具有 3 个不同值的分类特征，用于存储源城市和目的地城市之间的停靠点数量。
6) 到达时间：这是通过将时间间隔分组到箱中而创建的派生分类特征。它有六个不同的时间标签，并保存有关到达时间的信息。
7) 目的地城市：航班将降落的城市。这是一个具有 6 个独特城市的分类特征。
8) 等级：包含座位等级信息的分类特征；它有两个不同的价值：商业和经济。
9) 持续时间：一个连续的功能，以小时为单位显示在城市之间旅行所需的总时间。
10) 剩余天数：这是一个派生特征，计算方法是预订日期减去行程日期。
11）价格：目标变量存储票价信息。
#### 数据来源
Ease my trip website.
#### 问题描述
预测机票价格