Apprendre Défi : Prédiction des Prix Immobiliers

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 des logements avec leur 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 concernant la taille d'une personne, il était beaucoup plus facile d'imaginer une droite s'ajustant bien aux données.

Cependant, nos données présentent désormais beaucoup plus de variance, car la variable cible dépend fortement de nombreux autres facteurs tels que 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 disponibles ; elle indiquera la tendance. La classe OLS doit être utilisée à cet effet. Nous apprendrons bientôt comment ajouter davantage de variables, ce qui améliorera la prédiction !

Tâche

Swipe to start coding

Assigner la colonne 'price' de df à y.
Créer la matrice X_tilde en utilisant la fonction add_constant() de statsmodels (importée sous le nom sm).
Initialiser l'objet OLS et l'entraîner.
Prétraiter le tableau X_new de la même manière que X.
Prédire la cible pour la matrice X_new_tilde.

Solution

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 5

single

Demandez à l'IA

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

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

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())