Til denne udfordring anvendes det samme boligdatasæt. Nu indeholder det dog to funktioner: alder og areal af huset (kolonnerne `'age'` og `'square_feet'`).

import pandas as pd

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

Opgaven er at opbygge en multipel lineær regressionsmodel ved hjælp af `OLS`-klassen. Derudover udskrives oversigtstabellen for at se p-værdierne for hver funktion.

import unittest
import numpy as np
import pandas as pd
import statsmodels.api as sm


# Codefinity helper
def _dynamic_test(test_case, condition, success, fail):
    if condition:
        test_case._testMethodName = success
        test_case.assertTrue(True)
    else:
        test_case._testMethodName = fail
        test_case.fail(fail)


class TestUserCode(unittest.TestCase):

    # 1. Test that X contains the correct columns
    def test_X_contains_correct_columns(self):
        import user_code

        cond = False
        try:
            X = user_code.X
            cond = list(X.columns) == ["age", "square_feet"]
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "X correctly contains ['age', 'square_feet'].",
            "Expected X to contain columns: ['age', 'square_feet']."
        )

    # 2. Test preprocessing with sm.add_constant
    def test_X_tilde_add_constant(self):
        import user_code

        cond = False
        try:
            X = user_code.X
            X_tilde = user_code.X_tilde

            cond = (
                isinstance(X_tilde, pd.DataFrame)
                and "const" in X_tilde.columns
                and X_tilde.shape[1] == X.shape[1] + 1
            )
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "X_tilde correctly includes a constant column.",
            "Expected X_tilde to be created using sm.add_constant(X)."
        )

    # 3. Model is fitted using OLS
    def test_model_is_fitted(self):
        import user_code
        from statsmodels.regression.linear_model import RegressionResultsWrapper

        cond = isinstance(user_code.model, RegressionResultsWrapper)

        _dynamic_test(
            self,
            cond,
            "model is a fitted OLS RegressionResultsWrapper.",
            "Expected model = sm.OLS(y, X_tilde).fit()"
        )

    # 4. Test X_new_tilde construction
    def test_X_new_tilde(self):
        import user_code
        import numpy as np

        cond = False
        try:
            X_new = user_code.X_new
            X_new_tilde = user_code.X_new_tilde

            expected_shape = (3, 3)  # const + 2 features

            cond = (
                isinstance(X_new_tilde, np.ndarray)
                and X_new_tilde.shape == expected_shape
                and np.allclose(X_new_tilde[:, 1:], X_new)
            )
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "X_new_tilde correctly created with sm.add_constant(X_new).",
            "Expected X_new_tilde to include constant column and match X_new values."
        )

    # 5. Test predictions
    def test_predictions(self):
        import user_code
        import numpy as np

        cond = False
        try:
            y_pred = user_code.y_pred
            cond = (
                isinstance(y_pred, np.ndarray)
                and y_pred.shape == (3,)
            )
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "y_pred is a NumPy array with correct shape (3,).",
            "Expected y_pred = model.predict(X_new_tilde) to have shape (3,)."
        )

    # 6. Test summary call (using code inspection)
    def test_model_summary_called(self):
        cond = False
        try:
            with open("user_code.py", "r") as f:
                src = f.read()
            cond = "model.summary()" in src.replace(" ", "")
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "model.summary() is called.",
            "Expected model.summary() to be printed."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Hvis du har gjort alt korrekt, har du fået p-værdier tæt på nul. Det betyder, at alle vores features er signifikante for modellen.

Lineær regression er et centralt begreb inden for prædiktiv analyse. Det anvendes bredt af dataforskere, dataanalytikere og statistikere, da det er let at opbygge og fortolke, men samtidig kraftfuldt nok til mange opgaver.

Lad os begynde med den simpleste lineære regressionsmodel! Du vil lære idéen bag lineær regression og hvordan man foretager forudsigelser i Python.

De fleste virkelige forudsigelsesopgaver involverer mere end én feature. Du vil lære, hvordan man håndterer lineær regression med flere features.

En ret linje beskriver ikke altid dataene tilstrækkeligt. Lad os lære at opbygge en mere kompleks model til forudsigelse. Det er det, polynomiel regression egner sig til.

Nu hvor du ved, hvordan man opbygger flere lineære regressionsmodeller, har du brug for en metode til at vælge den bedste. Dette kan opnås ved hjælp af metrikker. Dette afsnit forklarer de mest anvendte metrikker og de udfordringer, du kan møde ved brugen af dem.

Udfordring: Forudsigelse af Priser ved Hjælp af To Funktioner

Udfordring: Forudsigelse af Priser ved Hjælp af To Funktioner

Løsning