Veeg om het menu te tonen

Uitdaging: Het Model Evalueren

In deze uitdaging krijg je de welbekende woningendataset, maar dit keer alleen met de eigenschap 'age'.


              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())

Vervolgens maken we een spreidingsdiagram voor deze gegevens:


              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()

Het passen van een rechte lijn op deze gegevens is mogelijk geen goede keuze. De prijs is hoger voor zowel gloednieuwe als zeer oude huizen. Het passen van een parabool lijkt een betere optie. Dat is wat je in deze uitdaging gaat doen.

Maar voordat je begint, herinner je de PolynomialFeatures-klasse.

De methode fit_transform(X) vereist dat X een 2D-array (of een DataFrame) is.
Gebruik X = df[['column_name']] om je X geschikt te maken voor fit_transform().
En als je een 1D-array hebt, gebruik dan .reshape(-1, 1) om een 2D-array met dezelfde inhoud te maken.

De opdracht is om een polynomiale regressie van graad 2 te bouwen met behulp van PolynomialFeatures en OLS.

Taak

Swipe to start coding

Wijs de variabele X toe aan een DataFrame met de kolom 'age'.
Maak een X_tilde matrix met behulp van de klasse PolynomialFeatures.
Bouw en train een Polynomial Regression-model.
Vorm X_new om tot een 2D-array.
Verwerk X_new op dezelfde manier als X.
Print de parameters van het model.

Oplossing

Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 3. Hoofdstuk 5

single

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Uitdaging: Het Model Evalueren

In deze uitdaging krijg je de welbekende woningendataset, maar dit keer alleen met de eigenschap 'age'.


              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())

Vervolgens maken we een spreidingsdiagram voor deze gegevens:


              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()

Maar voordat je begint, herinner je de PolynomialFeatures-klasse.

De opdracht is om een polynomiale regressie van graad 2 te bouwen met behulp van PolynomialFeatures en OLS.

Taak

Swipe to start coding

Wijs de variabele X toe aan een DataFrame met de kolom 'age'.
Maak een X_tilde matrix met behulp van de klasse PolynomialFeatures.
Bouw en train een Polynomial Regression-model.
Vorm X_new om tot een 2D-array.
Verwerk X_new op dezelfde manier als X.
Print de parameters van het model.

Oplossing

Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties

Was alles duidelijk?

Bedankt voor je feedback!

Veeg om het menu te tonen

Uitdaging: Het Model Evalueren

Oplossing

Awesome!

Uitdaging: Het Model Evalueren

Oplossing

Awesome!