Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Haaste: Mallin Arviointi | Polynomiregressio
Lineaarinen Regressio Pythonilla

Pyyhkäise näyttääksesi valikon

book
Haaste: Mallin Arviointi

Tässä haasteessa käytössäsi on vanha tuttu asuntodata, mutta tällä kertaa vain 'age'-ominaisuudella.

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_poly.csv') print(df.head())
copy

Seuraavaksi luodaan hajontakuvio tälle datalle:

12345678
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_poly.csv') X = df['age'] y = df['price'] plt.scatter(X, y, alpha=0.4) plt.show()
copy

Suoran viivan sovittaminen näihin tietoihin ei välttämättä ole paras valinta. Hinta nousee sekä täysin uusissa että hyvin vanhoissa taloissa. Paraabelin sovittaminen vaikuttaa paremmalta vaihtoehdolta. Tämä onkin tämän haasteen tehtävä.

Mutta ennen kuin aloitat, kertaa PolynomialFeatures-luokka.

Metodi fit_transform(X) vaatii, että X on 2-ulotteinen taulukko (tai DataFrame).
Käyttämällä X = df[['column_name']] saat X:n sopivaksi fit_transform()-metodille.
Jos sinulla on 1-ulotteinen taulukko, käytä .reshape(-1, 1) muuntaaksesi sen 2-ulotteiseksi taulukoksi, jossa on samat tiedot.

Tavoitteena on rakentaa toisen asteen polynomiregressiomalli käyttäen PolynomialFeatures- ja OLS-menetelmiä.

Tehtävä

Swipe to start coding

  1. Määritä X-muuttuja DataFrameen, joka sisältää sarakkeen 'age'.
  2. Luo X_tilde-matriisi käyttämällä PolynomialFeatures-luokkaa.
  3. Rakenna ja kouluta polynomiregressiomalli.
  4. Muotoile X_new kaksiulotteiseksi taulukoksi.
  5. Esikäsittele X_new samalla tavalla kuin X.
  6. Tulosta mallin parametrit.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 5
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

close

Awesome!

Completion rate improved to 5.26

book
Haaste: Mallin Arviointi

Tässä haasteessa käytössäsi on vanha tuttu asuntodata, mutta tällä kertaa vain 'age'-ominaisuudella.

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_poly.csv') print(df.head())
copy

Seuraavaksi luodaan hajontakuvio tälle datalle:

12345678
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_poly.csv') X = df['age'] y = df['price'] plt.scatter(X, y, alpha=0.4) plt.show()
copy

Suoran viivan sovittaminen näihin tietoihin ei välttämättä ole paras valinta. Hinta nousee sekä täysin uusissa että hyvin vanhoissa taloissa. Paraabelin sovittaminen vaikuttaa paremmalta vaihtoehdolta. Tämä onkin tämän haasteen tehtävä.

Mutta ennen kuin aloitat, kertaa PolynomialFeatures-luokka.

Metodi fit_transform(X) vaatii, että X on 2-ulotteinen taulukko (tai DataFrame).
Käyttämällä X = df[['column_name']] saat X:n sopivaksi fit_transform()-metodille.
Jos sinulla on 1-ulotteinen taulukko, käytä .reshape(-1, 1) muuntaaksesi sen 2-ulotteiseksi taulukoksi, jossa on samat tiedot.

Tavoitteena on rakentaa toisen asteen polynomiregressiomalli käyttäen PolynomialFeatures- ja OLS-menetelmiä.

Tehtävä

Swipe to start coding

  1. Määritä X-muuttuja DataFrameen, joka sisältää sarakkeen 'age'.
  2. Luo X_tilde-matriisi käyttämällä PolynomialFeatures-luokkaa.
  3. Rakenna ja kouluta polynomiregressiomalli.
  4. Muotoile X_new kaksiulotteiseksi taulukoksi.
  5. Esikäsittele X_new samalla tavalla kuin X.
  6. Tulosta mallin parametrit.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

close

Awesome!

Completion rate improved to 5.26

Pyyhkäise näyttääksesi valikon

some-alt