Lære Utfordring: Prediksjon av Boligpriser

Du skal nå bygge en regresjonsmodell basert på et reelt eksempel. Du har en fil, houses_simple.csv, som inneholder informasjon om boligpriser med areal som en egenskap.


              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())

Neste steg er å tilordne variabler og visualisere datasettet:


              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()

I eksempelet med en persons høyde var det mye enklere å forestille seg en linje som passet godt til dataene.

Men nå har dataene våre mye større variasjon, siden målet i stor grad avhenger av mange andre faktorer som alder, beliggenhet, interiør osv. Uansett er oppgaven å bygge den linjen som passer best til dataene vi har; den vil vise trenden. Klassen LinearRegression fra scikit-learn skal brukes til dette.

Oppgave

Swipe to start coding

Tildel kolonnen 'price' fra df til y.
Opprett variabelen X_reshaped ved å endre formen på X til et 2D-array med .values.reshape(-1, 1).
Initialiser LinearRegression-modellen og tren den med X_reshaped og y.
Opprett X_new_reshaped ved å endre formen på X_new på samme måte.
Prediker målet for X_new_reshaped.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 4

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Sveip for å vise menyen