Uitdaging: Prijzen Voorspellen Met Behulp Van Twee Kenmerken
Voor deze uitdaging wordt dezelfde woningdataset gebruikt. Nu bevat deze echter twee kenmerken: de leeftijd en de oppervlakte van het huis (kolommen 'age' en 'square_feet').
1234import 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())
De opdracht is om een Multiple Linear Regression-model te bouwen met behulp van de OLS-klasse. Daarnaast wordt gevraagd om de samenvattingstabel af te drukken om de p-waarden van elk kenmerk te bekijken.
Swipe to start coding
- Wijs de kolommen
'age'en'square_feet'vandftoe aanX. - Preprocess de
Xvoor de constructor van deOLS-klasse. - Bouw en train het model met behulp van de
OLS-klasse. - Preprocess de array
X_newop dezelfde manier alsX. - Voorspel de target voor
X_new. - Print de samenvattingstabel van het model.
Oplossing
Als alles correct is uitgevoerd, zijn de p-waarden dicht bij nul. Dit betekent dat al onze kenmerken significant zijn voor het model.
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.
Vat dit hoofdstuk samen
Explain code
Explain why doesn't solve task
Awesome!
Completion rate improved to 5.26Uitdaging: Prijzen Voorspellen Met Behulp Van Twee Kenmerken
Veeg om het menu te tonen
Voor deze uitdaging wordt dezelfde woningdataset gebruikt. Nu bevat deze echter twee kenmerken: de leeftijd en de oppervlakte van het huis (kolommen 'age' en 'square_feet').
1234import 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())
De opdracht is om een Multiple Linear Regression-model te bouwen met behulp van de OLS-klasse. Daarnaast wordt gevraagd om de samenvattingstabel af te drukken om de p-waarden van elk kenmerk te bekijken.
Swipe to start coding
- Wijs de kolommen
'age'en'square_feet'vandftoe aanX. - Preprocess de
Xvoor de constructor van deOLS-klasse. - Bouw en train het model met behulp van de
OLS-klasse. - Preprocess de array
X_newop dezelfde manier alsX. - Voorspel de target voor
X_new. - Print de samenvattingstabel van het model.
Oplossing
Als alles correct is uitgevoerd, zijn de p-waarden dicht bij nul. Dit betekent dat al onze kenmerken significant zijn voor het model.
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
Awesome!
Completion rate improved to 5.26single
