Lære Udfordring: Evaluering af Modellen

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


              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 opretter vi 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 muligvis ikke det bedste valg. Prisen stiger for både helt nye og meget gamle huse. At tilpasse en parabel ser ud til at være et bedre valg. Og det er netop det, du skal gøre i denne udfordring.

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

Metoden fit_transform(X) kræver, at X er et 2-D array (eller en DataFrame).
Ved at bruge X = df[['column_name']] får du dit X egnet til fit_transform().
Og hvis du har et 1-D array, kan 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 et 2D-array.
Forbehandl X_new på samme måde som X.
Udskriv modellens parametre.

Løsning

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

Suggested prompts:

How do I use PolynomialFeatures to transform the 'age' feature?

Can you guide me through fitting a polynomial regression model with OLS?

What does the output of PolynomialFeatures look like for this dataset?

Awesome!

Completion rate improved to 5.26

Stryg for at vise menuen