Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Udfordring: Forudsigelse af Huspriser | Simpel Lineær Regression
Lineær Regression med Python

Stryg for at vise menuen

book
Udfordring: Forudsigelse af Huspriser

Du skal nu opbygge en regressionsmodel med et virkelighedsnært eksempel. Du har en fil, houses_simple.csv, der 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())
copy

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()
copy

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

Men nu har vores data meget mere variation, da målet i høj grad afhænger af mange andre faktorer som alder, beliggenhed, indretning osv.
Opgaven er dog stadig at konstruere den linje, der bedst passer til de data, vi har; den vil vise trenden. Klassen OLS skal anvendes til dette. Snart lærer vi, hvordan vi kan tilføje flere funktioner, hvilket vil forbedre forudsigelsen!

Opgave

Swipe to start coding

  1. Tildel kolonnen 'price' fra df til y.
  2. Opret matricen X_tilde ved hjælp af funktionen add_constant() fra statsmodels (importeret som sm).
  3. Initialiser OLS-objektet og træn det.
  4. Forbehandl arrayet X_new på samme måde som X.
  5. Forudsig målet for matricen X_new_tilde.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 1. Kapitel 5
single

single

Spørg AI

expand

Spørg AI

ChatGPT

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

close

Awesome!

Completion rate improved to 5.26

book
Udfordring: Forudsigelse af Huspriser

Du skal nu opbygge en regressionsmodel med et virkelighedsnært eksempel. Du har en fil, houses_simple.csv, der 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())
copy

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()
copy

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

Men nu har vores data meget mere variation, da målet i høj grad afhænger af mange andre faktorer som alder, beliggenhed, indretning osv.
Opgaven er dog stadig at konstruere den linje, der bedst passer til de data, vi har; den vil vise trenden. Klassen OLS skal anvendes til dette. Snart lærer vi, hvordan vi kan tilføje flere funktioner, hvilket vil forbedre forudsigelsen!

Opgave

Swipe to start coding

  1. Tildel kolonnen 'price' fra df til y.
  2. Opret matricen X_tilde ved hjælp af funktionen add_constant() fra statsmodels (importeret som sm).
  3. Initialiser OLS-objektet og træn det.
  4. Forbehandl arrayet X_new på samme måde som X.
  5. Forudsig målet for matricen X_new_tilde.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

close

Awesome!

Completion rate improved to 5.26

Stryg for at vise menuen

some-alt