Herausforderung: Bewertung des Modells
In dieser Aufgabe erhalten Sie den altbekannten Housing-Datensatz, diesmal jedoch nur mit dem Merkmal 'age'.
1234import 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())
Als Nächstes erstellen wir ein Streudiagramm für diese Daten:
12345678import 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()
Das Anpassen einer Geraden an diese Daten ist möglicherweise keine optimale Wahl. Der Preis steigt sowohl für brandneue als auch für sehr alte Häuser. Das Anpassen einer Parabel erscheint als bessere Option. Genau das wird in dieser Aufgabe durchgeführt.
Bevor Sie beginnen, erinnern Sie sich an die Klasse PolynomialFeatures.
Die Methode fit_transform(X) erfordert, dass X ein 2D-Array (oder ein DataFrame) ist.
Mit X = df[['column_name']] wird X für fit_transform() geeignet.
Wenn Sie ein 1D-Array haben, verwenden Sie .reshape(-1, 1), um ein 2D-Array mit denselben Inhalten zu erstellen.
Die Aufgabe besteht darin, eine Polynomialregression zweiten Grades mit PolynomialFeatures und OLS zu erstellen.
Swipe to start coding
- Weisen Sie die Variable
Xeinem DataFrame mit der Spalte'age'zu. - Erstellen Sie eine
X_tilde-Matrix mit der KlassePolynomialFeatures. - Erstellen und trainieren Sie ein Polynomialregressionsmodell.
- Formen Sie
X_newzu einem 2D-Array um. - Verarbeiten Sie
X_newauf die gleiche Weise wieXvor. - Geben Sie die Parameter des Modells aus.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
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 5.26Herausforderung: Bewertung des Modells
Swipe um das Menü anzuzeigen
In dieser Aufgabe erhalten Sie den altbekannten Housing-Datensatz, diesmal jedoch nur mit dem Merkmal 'age'.
1234import 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())
Als Nächstes erstellen wir ein Streudiagramm für diese Daten:
12345678import 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()
Das Anpassen einer Geraden an diese Daten ist möglicherweise keine optimale Wahl. Der Preis steigt sowohl für brandneue als auch für sehr alte Häuser. Das Anpassen einer Parabel erscheint als bessere Option. Genau das wird in dieser Aufgabe durchgeführt.
Bevor Sie beginnen, erinnern Sie sich an die Klasse PolynomialFeatures.
Die Methode fit_transform(X) erfordert, dass X ein 2D-Array (oder ein DataFrame) ist.
Mit X = df[['column_name']] wird X für fit_transform() geeignet.
Wenn Sie ein 1D-Array haben, verwenden Sie .reshape(-1, 1), um ein 2D-Array mit denselben Inhalten zu erstellen.
Die Aufgabe besteht darin, eine Polynomialregression zweiten Grades mit PolynomialFeatures und OLS zu erstellen.
Swipe to start coding
- Weisen Sie die Variable
Xeinem DataFrame mit der Spalte'age'zu. - Erstellen Sie eine
X_tilde-Matrix mit der KlassePolynomialFeatures. - Erstellen und trainieren Sie ein Polynomialregressionsmodell.
- Formen Sie
X_newzu einem 2D-Array um. - Verarbeiten Sie
X_newauf die gleiche Weise wieXvor. - Geben Sie die Parameter des Modells aus.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
