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

Glissez pour afficher le menu

book
Défi : 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.

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 !

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

book
Défi : 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.

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

Glissez pour afficher le menu

some-alt