Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Défi : Prédire les Prix en Utilisant Deux Variables | Régression Linéaire Multiple
Régression Linéaire Avec Python

bookDéfi : Prédire les Prix en Utilisant Deux Variables

Pour ce défi, le même jeu de données sur le logement sera utilisé. Cependant, il comporte désormais deux caractéristiques : l'âge et la superficie de la maison (colonnes 'age' et '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())
copy

Votre tâche consiste à construire un modèle de régression linéaire multiple en utilisant la classe OLS. Vous afficherez également le tableau récapitulatif afin d'examiner les p-values de chaque caractéristique.

Tâche

Swipe to start coding

  1. Assigner les colonnes 'age' et 'square_feet' de df à X.
  2. Prétraiter X pour le constructeur de la classe OLS.
  3. Construire et entraîner le modèle en utilisant la classe OLS.
  4. Prétraiter le tableau X_new de la même manière que X.
  5. Prédire la cible pour X_new.
  6. Afficher le tableau récapitulatif du modèle.

Solution

Si vous avez tout fait correctement, vous avez obtenu des p-valeurs proches de zéro. Cela signifie que toutes nos variables explicatives sont significatives pour le modèle.

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 2. Chapitre 5
single

single

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

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

close

Awesome!

Completion rate improved to 5.26

bookDéfi : Prédire les Prix en Utilisant Deux Variables

Glissez pour afficher le menu

Pour ce défi, le même jeu de données sur le logement sera utilisé. Cependant, il comporte désormais deux caractéristiques : l'âge et la superficie de la maison (colonnes 'age' et '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())
copy

Votre tâche consiste à construire un modèle de régression linéaire multiple en utilisant la classe OLS. Vous afficherez également le tableau récapitulatif afin d'examiner les p-values de chaque caractéristique.

Tâche

Swipe to start coding

  1. Assigner les colonnes 'age' et 'square_feet' de df à X.
  2. Prétraiter X pour le constructeur de la classe OLS.
  3. Construire et entraîner le modèle en utilisant la classe OLS.
  4. Prétraiter le tableau X_new de la même manière que X.
  5. Prédire la cible pour X_new.
  6. Afficher le tableau récapitulatif du modèle.

Solution

Si vous avez tout fait correctement, vous avez obtenu des p-valeurs proches de zéro. Cela signifie que toutes nos variables explicatives sont significatives pour le modèle.

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

close

Awesome!

Completion rate improved to 5.26
Section 2. Chapitre 5
single

single

some-alt