Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lära Utmaning: Utvärdera Modellen | Polynomregression
Linjär Regression med Python

bookUtmaning: Utvärdera Modellen

I denna utmaning får du det klassiska bostadsdatasetet, men denna gång endast med egenskapen '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())
copy

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()
copy

Att anpassa en rät linje till dessa data är kanske inte det bästa valet. Priset blir högre för både helt nya och riktigt gamla hus. Att anpassa en parabel verkar vara ett bättre alternativ. Det är också 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

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

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 5
single

single

Fråga AI

expand

Fråga AI

ChatGPT

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

close

Awesome!

Completion rate improved to 5.26

bookUtmaning: Utvärdera Modellen

I denna utmaning får du det klassiska bostadsdatasetet, men denna gång endast med egenskapen '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())
copy

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()
copy

Att anpassa en rät linje till dessa data är kanske inte det bästa valet. Priset blir högre för både helt nya och riktigt gamla hus. Att anpassa en parabel verkar vara ett bättre alternativ. Det är också 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

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

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 5
single

single

close

Awesome!

Completion rate improved to 5.26

bookUtmaning: Utvärdera Modellen

Svep för att visa menyn

I denna utmaning får du det klassiska bostadsdatasetet, men denna gång endast med egenskapen '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())
copy

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()
copy

Att anpassa en rät linje till dessa data är kanske inte det bästa valet. Priset blir högre för både helt nya och riktigt gamla hus. Att anpassa en parabel verkar vara ett bättre alternativ. Det är också 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

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

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

some-alt