I denne utfordringen skal det samme boligdatasettet brukes. Nå har det imidlertid to egenskaper: alder og areal på huset (kolonnene `'age'` og `'square_feet'`).

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())

Oppgaven er å bygge en multippel lineær regresjonsmodell ved å bruke `OLS`-klassen. Du skal også skrive ut sammendragstabellen for å se på p-verdiene til hver egenskap.

Hvis du har gjort alt riktig, fikk du p-verdier nær null. Det betyr at alle funksjonene våre er signifikante for modellen.

Lineær regresjon er et sentralt konsept innen prediktiv analyse. Det brukes mye av dataforskere, dataanalytikere og statistikere fordi det er enkelt å bygge og tolke, men samtidig kraftig nok for mange oppgaver.

La oss begynne med den enkleste lineære regresjonsmodellen! Du vil lære om konseptet bak lineær regresjon og hvordan lage prediksjoner i Python.

De fleste prediksjonsoppgaver i virkeligheten involverer mer enn én variabel. Du vil lære hvordan man håndterer lineær regresjon med flere variabler.

En rett linje beskriver ikke alltid dataene godt. La oss lære hvordan vi kan bygge en mer kompleks modell for prediksjon. Det er dette polynomisk regresjon er egnet for.

Nå som du vet hvordan du bygger flere lineære regresjonsmodeller, trenger du en metode for å velge den beste. Dette er mulig ved bruk av målemetrikker. Denne delen forklarer de mest brukte metrikker og utfordringene du kan møte ved bruk av dem.

Utfordring: Predikere Priser ved Bruk av To Funksjoner

Løsning

Awesome!

Utfordring: Predikere Priser ved Bruk av To Funksjoner

Løsning

Awesome!