Sfida: Previsione dei Prezzi Utilizzando Due Variabili
Per questa sfida, verrà utilizzato lo stesso dataset immobiliare. Tuttavia, ora dispone di due caratteristiche: età e superficie della casa (colonne 'age' e 'square_feet').
1234import 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())
L'obiettivo è costruire un modello di Regressione Lineare Multipla utilizzando la classe OLS. Inoltre, verrà stampata la tabella di riepilogo per osservare i p-value di ciascuna caratteristica.
Swipe to start coding
- Assegna le colonne
'age'e'square_feet'didfaX. - Preelabora
Xper il costruttore della classeOLS. - Costruisci e addestra il modello utilizzando la classe
OLS. - Preelabora l'array
X_newnello stesso modo diX. - Predici il target per
X_new. - Stampa la tabella di riepilogo del modello.
Soluzione
Se hai seguito correttamente tutti i passaggi, hai ottenuto valori p prossimi a zero. Questo significa che tutte le nostre variabili sono significative per il modello.
Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguentiGrazie 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
Awesome!
Completion rate improved to 5.26Awesome!
Completion rate improved to 5.26Sfida: Previsione dei Prezzi Utilizzando Due Variabili
Per questa sfida, verrà utilizzato lo stesso dataset immobiliare. Tuttavia, ora dispone di due caratteristiche: età e superficie della casa (colonne 'age' e 'square_feet').
1234import 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())
L'obiettivo è costruire un modello di Regressione Lineare Multipla utilizzando la classe OLS. Inoltre, verrà stampata la tabella di riepilogo per osservare i p-value di ciascuna caratteristica.
Swipe to start coding
- Assegna le colonne
'age'e'square_feet'didfaX. - Preelabora
Xper il costruttore della classeOLS. - Costruisci e addestra il modello utilizzando la classe
OLS. - Preelabora l'array
X_newnello stesso modo diX. - Predici il target per
X_new. - Stampa la tabella di riepilogo del modello.
Soluzione
Se hai seguito correttamente tutti i passaggi, hai ottenuto valori p prossimi a zero. Questo significa che tutte le nostre variabili sono significative per il modello.
Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguentiGrazie per i tuoi commenti!
single
Awesome!
Completion rate improved to 5.26Sfida: Previsione dei Prezzi Utilizzando Due Variabili
Scorri per mostrare il menu
Per questa sfida, verrà utilizzato lo stesso dataset immobiliare. Tuttavia, ora dispone di due caratteristiche: età e superficie della casa (colonne 'age' e 'square_feet').
1234import 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())
L'obiettivo è costruire un modello di Regressione Lineare Multipla utilizzando la classe OLS. Inoltre, verrà stampata la tabella di riepilogo per osservare i p-value di ciascuna caratteristica.
Swipe to start coding
- Assegna le colonne
'age'e'square_feet'didfaX. - Preelabora
Xper il costruttore della classeOLS. - Costruisci e addestra il modello utilizzando la classe
OLS. - Preelabora l'array
X_newnello stesso modo diX. - Predici il target per
X_new. - Stampa la tabella di riepilogo del modello.
Soluzione
Se hai seguito correttamente tutti i passaggi, hai ottenuto valori p prossimi a zero. Questo significa che tutte le nostre variabili sono significative per il modello.
Cambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguentiGrazie per i tuoi commenti!
