Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Utfordring: Evaluering av Modellen | Polynomisk Regresjon
Lineær Regresjon med Python

bookUtfordring: Evaluering av Modellen

I denne utfordringen får du det velkjente boligdatasettet, men denne gangen kun med 'age'-variabelen.


              
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_poly.csv')
print(df.head())
copy

Deretter lager vi et spredningsdiagram for disse dataene:


              
12345678

            
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_poly.csv')
X = df['age']
y = df['price']
plt.scatter(X, y, alpha=0.4)
plt.show()
copy

Å tilpasse en rett linje til disse dataene er kanskje ikke det beste valget. Prisen blir høyere for både helt nye og veldig gamle hus. Å tilpasse en parabel ser ut til å være et bedre valg. Det er nettopp dette du skal gjøre i denne utfordringen.

Men før du begynner, husk klassen PolynomialFeatures.

Metoden fit_transform(X) krever at X er et 2D-array (eller en DataFrame).
Ved å bruke X = df[['column_name']] får du X tilpasset for fit_transform().
Hvis du har et 1D-array, bruk .reshape(-1, 1) for å lage et 2D-array med samme innhold.

Oppgaven er å bygge en polynomregresjon av grad 2 ved hjelp av PolynomialFeatures og OLS.

Oppgave

Swipe to start coding

  1. Tildel variabelen X til en DataFrame som inneholder kolonnen 'age'.
  2. Opprett en X_tilde-matrise ved å bruke klassen PolynomialFeatures.
  3. Bygg og tren en polynomisk regresjonsmodell.
  4. Omform X_new til et 2D-array.
  5. Forbehandle X_new på samme måte som X.
  6. Skriv ut modellens parametere.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 5
single

single

Spør AI

expand

Spør AI

ChatGPT

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

close

Awesome!

Completion rate improved to 5.26

bookUtfordring: Evaluering av Modellen

I denne utfordringen får du det velkjente boligdatasettet, men denne gangen kun med 'age'-variabelen.


              
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_poly.csv')
print(df.head())
copy

Deretter lager vi et spredningsdiagram for disse dataene:


              
12345678

            
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_poly.csv')
X = df['age']
y = df['price']
plt.scatter(X, y, alpha=0.4)
plt.show()
copy

Å tilpasse en rett linje til disse dataene er kanskje ikke det beste valget. Prisen blir høyere for både helt nye og veldig gamle hus. Å tilpasse en parabel ser ut til å være et bedre valg. Det er nettopp dette du skal gjøre i denne utfordringen.

Men før du begynner, husk klassen PolynomialFeatures.

Metoden fit_transform(X) krever at X er et 2D-array (eller en DataFrame).
Ved å bruke X = df[['column_name']] får du X tilpasset for fit_transform().
Hvis du har et 1D-array, bruk .reshape(-1, 1) for å lage et 2D-array med samme innhold.

Oppgaven er å bygge en polynomregresjon av grad 2 ved hjelp av PolynomialFeatures og OLS.

Oppgave

Swipe to start coding

  1. Tildel variabelen X til en DataFrame som inneholder kolonnen 'age'.
  2. Opprett en X_tilde-matrise ved å bruke klassen PolynomialFeatures.
  3. Bygg og tren en polynomisk regresjonsmodell.
  4. Omform X_new til et 2D-array.
  5. Forbehandle X_new på samme måte som X.
  6. Skriv ut modellens parametere.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 5
single

single

close

Awesome!

Completion rate improved to 5.26

bookUtfordring: Evaluering av Modellen

Sveip for å vise menyen

I denne utfordringen får du det velkjente boligdatasettet, men denne gangen kun med 'age'-variabelen.


              
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_poly.csv')
print(df.head())
copy

Deretter lager vi et spredningsdiagram for disse dataene:


              
12345678

            
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_poly.csv')
X = df['age']
y = df['price']
plt.scatter(X, y, alpha=0.4)
plt.show()
copy

Å tilpasse en rett linje til disse dataene er kanskje ikke det beste valget. Prisen blir høyere for både helt nye og veldig gamle hus. Å tilpasse en parabel ser ut til å være et bedre valg. Det er nettopp dette du skal gjøre i denne utfordringen.

Men før du begynner, husk klassen PolynomialFeatures.

Metoden fit_transform(X) krever at X er et 2D-array (eller en DataFrame).
Ved å bruke X = df[['column_name']] får du X tilpasset for fit_transform().
Hvis du har et 1D-array, bruk .reshape(-1, 1) for å lage et 2D-array med samme innhold.

Oppgaven er å bygge en polynomregresjon av grad 2 ved hjelp av PolynomialFeatures og OLS.

Oppgave

Swipe to start coding

  1. Tildel variabelen X til en DataFrame som inneholder kolonnen 'age'.
  2. Opprett en X_tilde-matrise ved å bruke klassen PolynomialFeatures.
  3. Bygg og tren en polynomisk regresjonsmodell.
  4. Omform X_new til et 2D-array.
  5. Forbehandle X_new på samme måte som X.
  6. Skriv ut modellens parametere.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

some-alt