Haaste: Mallin Arviointi
Tässä haasteessa käytössäsi on vanha tuttu asuntodata, mutta tällä kertaa vain 'age'-ominaisuudella.
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())
Seuraavaksi luodaan hajontakaavio tälle datalle:
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()
Suora viiva ei sovi tähän hyvin: hinnat nousevat sekä hyvin uusien että hyvin vanhojen talojen kohdalla. Paraabeli mallintaa tätä kehitystä paremmin — juuri sellaisen rakennat tässä haasteessa.
Mutta ennen kuin aloitat, muista PolynomialFeatures-luokka.
fit_transform(X) vaatii 2-ulotteisen taulukon tai DataFramen. Käytä df[['col']] tai, jos kyseessä on 1-ulotteinen taulukko, käytä .reshape(-1, 1) muuntaaksesi sen 2-ulotteiseksi.
Tehtävänä on rakentaa toisen asteen polynomiregressio käyttäen PolynomialFeatures ja OLS.
Swipe to start coding
- Määritä
X-muuttuja DataFrameen, joka sisältää sarakkeen'age'. - Luo
X_tilde-matriisi käyttämälläPolynomialFeatures-luokkaa. - Rakenna ja kouluta polynominen regressiomalli.
- Muotoile
X_newkaksiulotteiseksi taulukoksi. - Esikäsittele
X_newsamalla tavalla kuinX. - Tulosta mallin parametrit.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 5.26Haaste: Mallin Arviointi
Pyyhkäise näyttääksesi valikon
Tässä haasteessa käytössäsi on vanha tuttu asuntodata, mutta tällä kertaa vain 'age'-ominaisuudella.
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())
Seuraavaksi luodaan hajontakaavio tälle datalle:
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()
Suora viiva ei sovi tähän hyvin: hinnat nousevat sekä hyvin uusien että hyvin vanhojen talojen kohdalla. Paraabeli mallintaa tätä kehitystä paremmin — juuri sellaisen rakennat tässä haasteessa.
Mutta ennen kuin aloitat, muista PolynomialFeatures-luokka.
fit_transform(X) vaatii 2-ulotteisen taulukon tai DataFramen. Käytä df[['col']] tai, jos kyseessä on 1-ulotteinen taulukko, käytä .reshape(-1, 1) muuntaaksesi sen 2-ulotteiseksi.
Tehtävänä on rakentaa toisen asteen polynomiregressio käyttäen PolynomialFeatures ja OLS.
Swipe to start coding
- Määritä
X-muuttuja DataFrameen, joka sisältää sarakkeen'age'. - Luo
X_tilde-matriisi käyttämälläPolynomialFeatures-luokkaa. - Rakenna ja kouluta polynominen regressiomalli.
- Muotoile
X_newkaksiulotteiseksi taulukoksi. - Esikäsittele
X_newsamalla tavalla kuinX. - Tulosta mallin parametrit.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaKiitos palautteestasi!
single
