Uitdaging: Het Model Evalueren
In deze uitdaging wordt de vertrouwde woningendataset gebruikt, maar ditmaal uitsluitend met de eigenschap '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())
Vervolgens wordt een spreidingsdiagram voor deze gegevens gemaakt:
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()
Een rechte lijn past hier slecht: de prijzen stijgen zowel voor zeer nieuwe als zeer oude huizen. Een parabool modelleert deze trend beter — dat is wat je in deze uitdaging zult bouwen.
Maar voordat je begint, herinner je de PolynomialFeatures-klasse.
fit_transform(X) vereist een 2-D array of DataFrame. Gebruik df[['col']] of, voor een 1-D array, pas .reshape(-1, 1) toe om het naar 2-D te converteren.
De opdracht is het bouwen van een polynomiale regressie van graad 2 met behulp van PolynomialFeatures en OLS.
Swipe to start coding
- Wijs de variabele
Xtoe aan een DataFrame met de kolom'age'. - Maak een
X_tildematrix met behulp van de klassePolynomialFeatures. - Bouw en train een Polynomial Regression-model.
- Vorm
X_newom tot een 2D-array. - Preprocess
X_newop dezelfde manier alsX. - Print de parameters van het model.
Oplossing
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 5.26Uitdaging: Het Model Evalueren
Veeg om het menu te tonen
In deze uitdaging wordt de vertrouwde woningendataset gebruikt, maar ditmaal uitsluitend met de eigenschap '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())
Vervolgens wordt een spreidingsdiagram voor deze gegevens gemaakt:
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()
Een rechte lijn past hier slecht: de prijzen stijgen zowel voor zeer nieuwe als zeer oude huizen. Een parabool modelleert deze trend beter — dat is wat je in deze uitdaging zult bouwen.
Maar voordat je begint, herinner je de PolynomialFeatures-klasse.
fit_transform(X) vereist een 2-D array of DataFrame. Gebruik df[['col']] of, voor een 1-D array, pas .reshape(-1, 1) toe om het naar 2-D te converteren.
De opdracht is het bouwen van een polynomiale regressie van graad 2 met behulp van PolynomialFeatures en OLS.
Swipe to start coding
- Wijs de variabele
Xtoe aan een DataFrame met de kolom'age'. - Maak een
X_tildematrix met behulp van de klassePolynomialFeatures. - Bouw en train een Polynomial Regression-model.
- Vorm
X_newom tot een 2D-array. - Preprocess
X_newop dezelfde manier alsX. - Print de parameters van het model.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
single
