Oppiskele Haaste: Asuntojen Hintojen Ennustaminen

Seuraavaksi rakennat käytännön esimerkin regressiomallista. Sinulla on tiedosto, houses_simple.csv, joka sisältää tietoja asuntojen hinnoista sekä pinta-alasta ominaisuutena.


              1234
            
import pandas as pd

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

Seuraava vaihe on muuttujien määrittäminen ja aineiston visualisointi:


              123456789
            
import 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_simple.csv')
X = df['square_feet']
y = df['price']

plt.scatter(X, y, alpha=0.5)
plt.show()

Esimerkissä henkilön pituudesta oli huomattavasti helpompi kuvitella viiva, joka sopii hyvin aineistoon.

Nyt kuitenkin aineistossamme on paljon enemmän vaihtelua, koska kohde muuttujaan vaikuttavat monet muut tekijät, kuten ikä, sijainti, sisustus jne. Tehtävänä on kuitenkin rakentaa viiva, joka sopii parhaiten käytettävissä olevaan aineistoon; se näyttää trendin. Tätä varten tulisi käyttää LinearRegression-luokkaa kirjastosta scikit-learn.

Tehtävä

Swipe to start coding

Määritä 'price':ksi df-datan y-sarake.
Luo X_reshaped muotoilemalla X kaksiulotteiseksi taulukoksi käyttämällä .values.reshape(-1, 1).
Alusta LinearRegression-malli ja kouluta se käyttäen X_reshaped ja y.
Luo X_new_reshaped muotoilemalla X_new samalla tavalla.
Ennusta kohdearvo X_new_reshaped:lle.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 4

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon