Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Desafio | Simple Linear Regression
course content

Conteúdo do Curso

Linear Regression with Python

DesafioDesafio

Vamos construir um modelo de regressão de exemplo do mundo real. Temos um arquivo, houses_simple.csv, que contém informações sobre os preços de imóveis com sua área como uma característica.

Vamos atribuir variáveis e visualizar nosso conjunto de dados!

No exemplo com a altura da pessoa, foi muito mais fácil imaginar uma linha ajustando-se bem aos dados. Mas agora nossos dados têm muito mais variância, pois o alvo depende fortemente de muitos outros fatores como idade, localização, interior, etc. De qualquer forma, a tarefa é construir a linha que se ajusta melhor aos dados que temos; ela mostrará a tendência. A classe OLS deve ser usada para isso. Em breve, aprenderemos como adicionar mais recursos, o que tornará a previsão melhor!

Tarefa

  1. Atribua a coluna 'price' de df a y.
  2. Crie a matriz X_tilde usando a função add_constant() do statsmodels (importado como sm).
  3. Inicialize o objeto OLS e treine-o.
  4. Pré-processe a matriz X_new da mesma forma que X.
  5. Preveja o valor alvo para a matriz X_new_tilde.

Após concluir esta tarefa, clique no botão abaixo do código para verificar sua solução.

Tudo estava claro?

Seção 1. Capítulo 5
toggle bottom row
course content

Conteúdo do Curso

Linear Regression with Python

DesafioDesafio

Vamos construir um modelo de regressão de exemplo do mundo real. Temos um arquivo, houses_simple.csv, que contém informações sobre os preços de imóveis com sua área como uma característica.

Vamos atribuir variáveis e visualizar nosso conjunto de dados!

No exemplo com a altura da pessoa, foi muito mais fácil imaginar uma linha ajustando-se bem aos dados. Mas agora nossos dados têm muito mais variância, pois o alvo depende fortemente de muitos outros fatores como idade, localização, interior, etc. De qualquer forma, a tarefa é construir a linha que se ajusta melhor aos dados que temos; ela mostrará a tendência. A classe OLS deve ser usada para isso. Em breve, aprenderemos como adicionar mais recursos, o que tornará a previsão melhor!

Tarefa

  1. Atribua a coluna 'price' de df a y.
  2. Crie a matriz X_tilde usando a função add_constant() do statsmodels (importado como sm).
  3. Inicialize o objeto OLS e treine-o.
  4. Pré-processe a matriz X_new da mesma forma que X.
  5. Preveja o valor alvo para a matriz X_new_tilde.

Após concluir esta tarefa, clique no botão abaixo do código para verificar sua solução.

Tudo estava claro?

Seção 1. Capítulo 5
toggle bottom row
some-alt