Herausforderung: Preisvorhersage Mit Zwei Merkmalen
Für diese Aufgabe wird derselbe Wohnungsdatensatz verwendet. Allerdings enthält er nun zwei Merkmale: das Alter und die Fläche des Hauses (Spalten 'age'
und 'square_feet'
).
1234import 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())
Die Aufgabe besteht darin, ein multiples lineares Regressionsmodell mit der Klasse OLS
zu erstellen. Außerdem soll die Zusammenfassungstabelle ausgegeben werden, um die p-Werte der einzelnen Merkmale zu betrachten.
Swipe to start coding
- Die Spalten
'age'
und'square_feet'
vondf
inX
zuweisen. - Das
X
für den Konstruktor derOLS
-Klasse vorverarbeiten. - Das Modell mithilfe der
OLS
-Klasse erstellen und trainieren. - Das Array
X_new
genauso vorverarbeiten wieX
. - Das Ziel für
X_new
vorhersagen. - Die Zusammenfassungstabelle des Modells ausgeben.
Lösung
Wenn alles korrekt durchgeführt wurde, sollten die p-Werte nahe bei null liegen. Das bedeutet, dass alle unsere Merkmale für das Modell signifikant sind.
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 5.26Awesome!
Completion rate improved to 5.26
Herausforderung: Preisvorhersage Mit Zwei Merkmalen
Für diese Aufgabe wird derselbe Wohnungsdatensatz verwendet. Allerdings enthält er nun zwei Merkmale: das Alter und die Fläche des Hauses (Spalten 'age'
und 'square_feet'
).
1234import 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())
Die Aufgabe besteht darin, ein multiples lineares Regressionsmodell mit der Klasse OLS
zu erstellen. Außerdem soll die Zusammenfassungstabelle ausgegeben werden, um die p-Werte der einzelnen Merkmale zu betrachten.
Swipe to start coding
- Die Spalten
'age'
und'square_feet'
vondf
inX
zuweisen. - Das
X
für den Konstruktor derOLS
-Klasse vorverarbeiten. - Das Modell mithilfe der
OLS
-Klasse erstellen und trainieren. - Das Array
X_new
genauso vorverarbeiten wieX
. - Das Ziel für
X_new
vorhersagen. - Die Zusammenfassungstabelle des Modells ausgeben.
Lösung
Wenn alles korrekt durchgeführt wurde, sollten die p-Werte nahe bei null liegen. Das bedeutet, dass alle unsere Merkmale für das Modell signifikant sind.
Danke für Ihr Feedback!
single
Awesome!
Completion rate improved to 5.26
Herausforderung: Preisvorhersage Mit Zwei Merkmalen
Swipe um das Menü anzuzeigen
Für diese Aufgabe wird derselbe Wohnungsdatensatz verwendet. Allerdings enthält er nun zwei Merkmale: das Alter und die Fläche des Hauses (Spalten 'age'
und 'square_feet'
).
1234import 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())
Die Aufgabe besteht darin, ein multiples lineares Regressionsmodell mit der Klasse OLS
zu erstellen. Außerdem soll die Zusammenfassungstabelle ausgegeben werden, um die p-Werte der einzelnen Merkmale zu betrachten.
Swipe to start coding
- Die Spalten
'age'
und'square_feet'
vondf
inX
zuweisen. - Das
X
für den Konstruktor derOLS
-Klasse vorverarbeiten. - Das Modell mithilfe der
OLS
-Klasse erstellen und trainieren. - Das Array
X_new
genauso vorverarbeiten wieX
. - Das Ziel für
X_new
vorhersagen. - Die Zusammenfassungstabelle des Modells ausgeben.
Lösung
Wenn alles korrekt durchgeführt wurde, sollten die p-Werte nahe bei null liegen. Das bedeutet, dass alle unsere Merkmale für das Modell signifikant sind.
Danke für Ihr Feedback!