Sfida: Valutazione del Modello
In questa sfida, ti viene fornito il classico dataset delle abitazioni, ma questa volta solo con la caratteristica 'age'.
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houses_poly.csv') print(df.head())
Successivamente, creeremo uno scatterplot per questi dati:
12345678import 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_poly.csv') X = df['age'] y = df['price'] plt.scatter(X, y, alpha=0.4) plt.show()
Una retta è un modello poco adatto in questo caso: i prezzi aumentano sia per le case molto nuove che per quelle molto vecchie. Una parabola rappresenta meglio questa tendenza — è proprio ciò che costruirai in questa sfida.
Ma prima di iniziare, ricorda la classe PolynomialFeatures.
fit_transform(X) richiede un array o DataFrame 2-D. Utilizzare df[['col']] oppure, per un array 1-D, applicare .reshape(-1, 1) per convertirlo in 2-D.
L'obiettivo è costruire una Regressione Polinomiale di grado 2 utilizzando PolynomialFeatures e OLS.
Swipe to start coding
- Assegnare la variabile
Xa un DataFrame contenente la colonna'age'. - Creare una matrice
X_tildeutilizzando la classePolynomialFeatures. - Costruire e addestrare un modello di Regressione Polinomiale.
- Rimodellare
X_newin un array bidimensionale. - Pre-elaborare
X_newnello stesso modo diX. - Stampare i parametri del modello.
Soluzione
Grazie per i tuoi commenti!
single
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
How do I use PolynomialFeatures to transform the 'age' column?
Can you guide me through building a polynomial regression model with OLS?
What does the output of PolynomialFeatures look like for this dataset?
Awesome!
Completion rate improved to 5.26
Sfida: Valutazione del Modello
Scorri per mostrare il menu
In questa sfida, ti viene fornito il classico dataset delle abitazioni, ma questa volta solo con la caratteristica 'age'.
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houses_poly.csv') print(df.head())
Successivamente, creeremo uno scatterplot per questi dati:
12345678import 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_poly.csv') X = df['age'] y = df['price'] plt.scatter(X, y, alpha=0.4) plt.show()
Una retta è un modello poco adatto in questo caso: i prezzi aumentano sia per le case molto nuove che per quelle molto vecchie. Una parabola rappresenta meglio questa tendenza — è proprio ciò che costruirai in questa sfida.
Ma prima di iniziare, ricorda la classe PolynomialFeatures.
fit_transform(X) richiede un array o DataFrame 2-D. Utilizzare df[['col']] oppure, per un array 1-D, applicare .reshape(-1, 1) per convertirlo in 2-D.
L'obiettivo è costruire una Regressione Polinomiale di grado 2 utilizzando PolynomialFeatures e OLS.
Swipe to start coding
- Assegnare la variabile
Xa un DataFrame contenente la colonna'age'. - Creare una matrice
X_tildeutilizzando la classePolynomialFeatures. - Costruire e addestrare un modello di Regressione Polinomiale.
- Rimodellare
X_newin un array bidimensionale. - Pre-elaborare
X_newnello stesso modo diX. - Stampare i parametri del modello.
Soluzione
Grazie per i tuoi commenti!
single