Oppiskele Haaste: Hintojen Ennustaminen Kahden Muuttujan Avulla

Tässä haasteessa käytetään samaa asuntotietojoukkoa. Nyt siinä on kuitenkin kaksi ominaisuutta: talon ikä ja pinta-ala (sarakkeet 'age' ja 'square_feet').


              1234
            
import 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())

Tehtävänä on rakentaa monimuuttujainen lineaarinen regressiomalli käyttäen OLS-luokkaa. Lisäksi tulostetaan yhteenvetotaulukko, josta nähdään kunkin ominaisuuden p-arvot.

Tehtävä

Swipe to start coding

Määritä 'age'-datan 'square_feet'- ja df-sarakkeet X:ksi.
Esikäsittele X OLS-luokan konstruktorille sopivaksi.
Rakenna ja kouluta malli käyttämällä OLS-luokkaa.
Esikäsittele X_new samalla tavalla kuin X.
Ennusta kohdearvo X_new:lle.
Tulosta mallin yhteenvetotaulukko.

Ratkaisu

Jos teit kaiken oikein, sait p-arvot lähelle nollaa. Tämä tarkoittaa, että kaikki ominaisuutemme ovat merkittäviä mallille.

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 5

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Tässä haasteessa käytetään samaa asuntotietojoukkoa. Nyt siinä on kuitenkin kaksi ominaisuutta: talon ikä ja pinta-ala (sarakkeet 'age' ja 'square_feet').


              1234
            
import 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())

Tehtävänä on rakentaa monimuuttujainen lineaarinen regressiomalli käyttäen OLS-luokkaa. Lisäksi tulostetaan yhteenvetotaulukko, josta nähdään kunkin ominaisuuden p-arvot.

Tehtävä

Swipe to start coding

Määritä 'age'-datan 'square_feet'- ja df-sarakkeet X:ksi.
Esikäsittele X OLS-luokan konstruktorille sopivaksi.
Rakenna ja kouluta malli käyttämällä OLS-luokkaa.
Esikäsittele X_new samalla tavalla kuin X.
Ennusta kohdearvo X_new:lle.
Tulosta mallin yhteenvetotaulukko.

Ratkaisu

Jos teit kaiken oikein, sait p-arvot lähelle nollaa. Tämä tarkoittaa, että kaikki ominaisuutemme ovat merkittäviä mallille.

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 5

single

Pyyhkäise näyttääksesi valikon

Tässä haasteessa käytetään samaa asuntotietojoukkoa. Nyt siinä on kuitenkin kaksi ominaisuutta: talon ikä ja pinta-ala (sarakkeet 'age' ja 'square_feet').


              1234
            
import 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())

Tehtävänä on rakentaa monimuuttujainen lineaarinen regressiomalli käyttäen OLS-luokkaa. Lisäksi tulostetaan yhteenvetotaulukko, josta nähdään kunkin ominaisuuden p-arvot.

Tehtävä

Swipe to start coding

Määritä 'age'-datan 'square_feet'- ja df-sarakkeet X:ksi.
Esikäsittele X OLS-luokan konstruktorille sopivaksi.
Rakenna ja kouluta malli käyttämällä OLS-luokkaa.
Esikäsittele X_new samalla tavalla kuin X.
Ennusta kohdearvo X_new:lle.
Tulosta mallin yhteenvetotaulukko.

Ratkaisu

Jos teit kaiken oikein, sait p-arvot lähelle nollaa. Tämä tarkoittaa, että kaikki ominaisuutemme ovat merkittäviä mallille.

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Haaste: Hintojen Ennustaminen Kahden Muuttujan Avulla

Ratkaisu

Awesome!

Haaste: Hintojen Ennustaminen Kahden Muuttujan Avulla

Ratkaisu

Awesome!

Haaste: Hintojen Ennustaminen Kahden Muuttujan Avulla

Ratkaisu