Apprendre Défi : Prédire les Prix des Maisons

Vous allez maintenant construire un modèle de régression appliqué à un exemple réel. Vous disposez d’un fichier, houses_simple.csv, qui contient des informations sur les prix de l’immobilier avec la superficie comme caractéristique.


              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())

L’étape suivante consiste à attribuer des variables et à visualiser l’ensemble de données :


              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()

Dans l'exemple de la taille d'une personne, il était beaucoup plus facile d'imaginer une droite s'ajustant bien aux données.

Mais maintenant, nos données présentent beaucoup plus de variance, car la variable cible dépend fortement de nombreux autres facteurs comme l'âge, l'emplacement, l'intérieur, etc. Quoi qu'il en soit, l'objectif est de construire la droite qui s'ajuste le mieux aux données dont nous disposons ; elle indiquera la tendance. La classe LinearRegression de scikit-learn doit être utilisée à cet effet.

Tâche

Swipe to start coding

Assigner la colonne 'price' de df à y.
Créer la variable X_reshaped en remodelant X en un tableau 2D avec .values.reshape(-1, 1).
Initialiser le modèle LinearRegression et l'entraîner en utilisant X_reshaped et y.
Créer X_new_reshaped en remodelant X_new de la même manière.
Prédire la cible pour X_new_reshaped.

Solution

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 4

single

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Glissez pour afficher le menu


              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())