Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Udfordring: Forudsigelse af Priser ved Hjælp af Polynomiel Regression | Valg af den Bedste Model
Lineær Regression med Python

Stryg for at vise menuen

book
Udfordring: Forudsigelse af Priser ved Hjælp af Polynomiel Regression

I denne udfordring skal du opbygge den samme polynomielle regression af grad 2 som i den forrige udfordring. Du skal dog opdele datasættet i et træningssæt og et testsæt for at beregne RMSE for begge sæt. Dette er nødvendigt for at vurdere, om modellen overtilpasser eller undertilpasser.
Her er en påmindelse om funktionen train_test_split(), som du skal bruge.

Og her er også en påmindelse om funktionen mean_squared_error(), som er nødvendig for at beregne RMSE:

rmse = mean_squared_error(y_true, y_predicted, squared=False)
Opgave

Swipe to start coding

  1. Tildel DataFrame med en enkelt kolonne 'age' fra df til variablen X.
  2. Forbehandl X ved hjælp af klassen PolynomialFeatures.
  3. Opdel datasættet ved hjælp af den relevante funktion fra sklearn.
  4. Byg og træn en model på træningssættet.
  5. Forudsig målværdierne for både trænings- og testsættet.
  6. Beregn RMSE for både trænings- og testsættet.
  7. Udskriv oversigtstabellen.

Løsning

Når du har gennemført opgaven, vil du bemærke, at test-RMSE faktisk er lavere end trænings-RMSE. Normalt viser modeller ikke bedre resultater på ukendte data. Her er forskellen dog meget lille og skyldes tilfældigheder. Vores datasæt er relativt lille, og under opdelingen har testsættet fået lidt bedre (nemmere at forudsige) datapunkter.

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 4. Kapitel 4
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 Priser ved Hjælp af Polynomiel Regression

I denne udfordring skal du opbygge den samme polynomielle regression af grad 2 som i den forrige udfordring. Du skal dog opdele datasættet i et træningssæt og et testsæt for at beregne RMSE for begge sæt. Dette er nødvendigt for at vurdere, om modellen overtilpasser eller undertilpasser.
Her er en påmindelse om funktionen train_test_split(), som du skal bruge.

Og her er også en påmindelse om funktionen mean_squared_error(), som er nødvendig for at beregne RMSE:

rmse = mean_squared_error(y_true, y_predicted, squared=False)
Opgave

Swipe to start coding

  1. Tildel DataFrame med en enkelt kolonne 'age' fra df til variablen X.
  2. Forbehandl X ved hjælp af klassen PolynomialFeatures.
  3. Opdel datasættet ved hjælp af den relevante funktion fra sklearn.
  4. Byg og træn en model på træningssættet.
  5. Forudsig målværdierne for både trænings- og testsættet.
  6. Beregn RMSE for både trænings- og testsættet.
  7. Udskriv oversigtstabellen.

Løsning

Når du har gennemført opgaven, vil du bemærke, at test-RMSE faktisk er lavere end trænings-RMSE. Normalt viser modeller ikke bedre resultater på ukendte data. Her er forskellen dog meget lille og skyldes tilfældigheder. Vores datasæt er relativt lille, og under opdelingen har testsættet fået lidt bedre (nemmere at forudsige) datapunkter.

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