Stryg for at vise menuen

Udfordring: Evaluering af Modellen

I denne udfordring får du det velkendte boligdatasæt, men denne gang kun med 'age'-variablen.


              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_poly.csv')
print(df.head())

Dernæst oprettes et scatterplot for disse data:


              12345678
            
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_poly.csv')
X = df['age']
y = df['price']
plt.scatter(X, y, alpha=0.4)
plt.show()

At tilpasse en ret linje til disse data er måske ikke det bedste valg. Prisen bliver højere for enten helt nye eller meget gamle huse. At tilpasse en parabel ser ud til at være et bedre valg. Det er netop det, du skal gøre i denne udfordring.

Men før du begynder, skal du huske på klassen PolynomialFeatures.

Metoden fit_transform(X) kræver, at X er et 2-D array (eller en DataFrame).
Ved at bruge X = df[['column_name']] får du din X klar til fit_transform().
Hvis du har et 1-D array, skal du bruge .reshape(-1, 1) for at lave et 2-D array med det samme indhold.

Opgaven er at opbygge en polynomiel regression af grad 2 ved hjælp af PolynomialFeatures og OLS.

Opgave

Swipe to start coding

Tildel variablen X til en DataFrame, der indeholder kolonnen 'age'.
Opret en X_tilde matrix ved hjælp af klassen PolynomialFeatures.
Opbyg og træn en Polynomial Regression-model.
Omform X_new til at være et 2D-array.
Forbehandl X_new på samme måde som X.
Udskriv modellens parametre.

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 3. Kapitel 5

single

Spørg AI

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

Udfordring: Evaluering af Modellen

I denne udfordring får du det velkendte boligdatasæt, men denne gang kun med 'age'-variablen.


              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_poly.csv')
print(df.head())

Dernæst oprettes et scatterplot for disse data:


              12345678
            
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_poly.csv')
X = df['age']
y = df['price']
plt.scatter(X, y, alpha=0.4)
plt.show()

Men før du begynder, skal du huske på klassen PolynomialFeatures.

Opgaven er at opbygge en polynomiel regression af grad 2 ved hjælp af PolynomialFeatures og OLS.

Opgave

Swipe to start coding

Tildel variablen X til en DataFrame, der indeholder kolonnen 'age'.
Opret en X_tilde matrix ved hjælp af klassen PolynomialFeatures.
Opbyg og træn en Polynomial Regression-model.
Omform X_new til at være et 2D-array.
Forbehandl X_new på samme måde som X.
Udskriv modellens parametre.

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Stryg for at vise menuen

Udfordring: Evaluering af Modellen

Løsning

Awesome!

Udfordring: Evaluering af Modellen

Løsning

Awesome!