Oppiskele Haaste: Asuntojen Hintojen Ennustaminen | Yksinkertainen Lineaarinen Regressio

Seuraavaksi rakennat esimerkin regressiomallista todellisessa tilanteessa. Käytössäsi 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 määrittää muuttujat ja visualisoida aineisto:


              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 paljon helpompi kuvitella viiva, joka sopii hyvin aineistoon.

Nyt kuitenkin datassamme on huomattavasti enemmän vaihtelua, koska kohdearvo riippuu monista muista tekijöistä, kuten iästä, sijainnista, sisustuksesta jne. Tehtävänä on kuitenkin rakentaa viiva, joka parhaiten kuvaa käytettävissä olevaa dataa; se osoittaa trendin. Tätä varten tulisi käyttää OLS-luokkaa. Pian opimme, miten lisäominaisuuksia voidaan ottaa mukaan, mikä parantaa ennustetta!

Tehtävä

Swipe to start coding

Aseta 'price'-datan df-sarake muuttujaan y.
Luo X_tilde-matriisi käyttämällä add_constant()-kirjaston (tuotu nimellä statsmodels) sm-funktiota.
Alusta OLS-olio ja kouluta se.
Esikäsittele X_new-taulukko samalla tavalla kuin X.
Ennusta kohdearvo X_new_tilde-matriisille.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 5

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

What is the OLS class and how do I use it for regression?

Can you explain why adding more features improves prediction?

What does the scatter plot tell us about the data?

Awesome!

Completion rate improved to 5.26

Pyyhkäise näyttääksesi valikon


              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())