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').
1234import 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 voidaan tarkastella kunkin ominaisuuden p-arvoja.
Swipe to start coding
- Määritä
'age':n'square_feet'- jadf-sarakkeet muuttujaanX. - Esikäsittele
XOLS-luokan konstruktorille sopivaksi. - Rakenna ja kouluta malli käyttämällä
OLS-luokkaa. - Esikäsittele
X_newsamalla tavalla kuinX. - Ennusta kohdearvo
X_new. - Tulosta mallin yhteenvetotaulukko.
Ratkaisu
Jos teit kaiken oikein, sait p-arvot lähelle nollaa. Tämä tarkoittaa, että kaikki ominaisuutemme ovat merkittäviä mallille.
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
How do I build a Multiple Linear Regression model using the OLS class?
Can you show me how to print the summary table for the regression model?
What do the p-values in the summary table indicate?
Awesome!
Completion rate improved to 5.26Haaste: Hintojen Ennustaminen Kahden Muuttujan Avulla
Pyyhkäise näyttääksesi valikon
Tässä haasteessa käytetään samaa asuntotietojoukkoa. Nyt siinä on kuitenkin kaksi ominaisuutta: talon ikä ja pinta-ala (sarakkeet 'age' ja 'square_feet').
1234import 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 voidaan tarkastella kunkin ominaisuuden p-arvoja.
Swipe to start coding
- Määritä
'age':n'square_feet'- jadf-sarakkeet muuttujaanX. - Esikäsittele
XOLS-luokan konstruktorille sopivaksi. - Rakenna ja kouluta malli käyttämällä
OLS-luokkaa. - Esikäsittele
X_newsamalla tavalla kuinX. - Ennusta kohdearvo
X_new. - 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 vaihtoehdoistaKiitos palautteestasi!
single
