Lära Utmaning: Utvärdera Modellen

I denna utmaning får du den välkända bostadsdatamängden, men denna gång endast med attributet '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())

Därefter skapar vi ett spridningsdiagram för dessa data:


              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()

Att anpassa en rät linje till dessa data är kanske inte det bästa valet. Priset blir högre för både helt nya och mycket gamla hus. Att anpassa en parabel verkar vara ett bättre alternativ. Det är vad du kommer att göra i denna utmaning.

Men innan du börjar, kom ihåg klassen PolynomialFeatures.

Metoden fit_transform(X) kräver att X är en 2D-array (eller en DataFrame).
Genom att använda X = df[['column_name']] får du din X anpassad för fit_transform().
Om du har en 1D-array, använd .reshape(-1, 1) för att skapa en 2D-array med samma innehåll.

Uppgiften är att bygga en polynomregression av grad 2 med hjälp av PolynomialFeatures och OLS.

Uppgift

Swipe to start coding

Tilldela variabeln X till en DataFrame som innehåller kolumnen 'age'.
Skapa en X_tilde-matris med hjälp av klassen PolynomialFeatures.
Bygg och träna en polynomregressionsmodell.
Omforma X_new till en 2D-array.
Förbehandla X_new på samma sätt som X.
Skriv ut modellens parametrar.

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 5

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 5.26

Svep för att visa menyn