Herausforderung: Modellbewertung
In dieser Aufgabe erhalten Sie erneut den bekannten 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 ist sowohl für brandneue als auch für sehr alte Häuser höher. Das Anpassen einer Parabel erscheint als bessere Option. Genau das werden Sie in dieser Aufgabe tun.
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 Ihr 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
X
einem DataFrame mit der Spalte'age'
zu. - Erstellen Sie eine
X_tilde
-Matrix mit der KlassePolynomialFeatures
. - Erstellen und trainieren Sie ein Polynomialregressionsmodell.
- Formen Sie
X_new
zu einem 2D-Array um. - Verarbeiten Sie
X_new
auf die gleiche Weise vor wieX
. - 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
Awesome!
Completion rate improved to 5.26
Herausforderung: Modellbewertung
Swipe um das Menü anzuzeigen
In dieser Aufgabe erhalten Sie erneut den bekannten 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 ist sowohl für brandneue als auch für sehr alte Häuser höher. Das Anpassen einer Parabel erscheint als bessere Option. Genau das werden Sie in dieser Aufgabe tun.
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 Ihr 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
X
einem DataFrame mit der Spalte'age'
zu. - Erstellen Sie eine
X_tilde
-Matrix mit der KlassePolynomialFeatures
. - Erstellen und trainieren Sie ein Polynomialregressionsmodell.
- Formen Sie
X_new
zu einem 2D-Array um. - Verarbeiten Sie
X_new
auf die gleiche Weise vor wieX
. - Geben Sie die Parameter des Modells aus.
Lösung
Danke für Ihr Feedback!
Awesome!
Completion rate improved to 5.26single