Lære Udfordring: Forudsigelse af Huspriser

Du skal nu opbygge en regressionsmodel baseret på et virkeligt eksempel. Du har en fil, houses_simple.csv, som indeholder information om boligpriser med areal som en egenskab.


              1234
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houses_simple.csv')
print(df.head())

Næste trin er at tildele variabler og visualisere datasættet:


              123456789
            
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houses_simple.csv')
X = df['square_feet']
y = df['price']

plt.scatter(X, y, alpha=0.5)
plt.show()

I eksemplet med en persons højde var det meget nemmere at forestille sig en linje, der passer godt til dataene.

Men nu har vores data meget mere variation, da målet i høj grad afhænger af mange andre faktorer som alder, beliggenhed, interiør osv. Opgaven er dog stadig at konstruere den linje, der bedst passer til de data, vi har; den vil vise tendensen. Klassen LinearRegression fra scikit-learn bør anvendes til dette formål.

Opgave

Swipe to start coding

Tildel kolonnen 'price' fra df til y.
Opret variablen X_reshaped ved at omforme X til et 2D-array med .values.reshape(-1, 1).
Initialiser LinearRegression-modellen og træn den med X_reshaped og y.
Opret X_new_reshaped ved at omforme X_new på samme måde.
Forudsig målet for X_new_reshaped.

Løsning

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 4

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Stryg for at vise menuen