Svep för att visa menyn

Challenge

Let’s combine our knowledge!

Uppgift

Swipe to start coding

In this task, you build, train and fit your model and make predictions based on it. This time you will make predictions about total_phenols, based on flavanoids. It means that your target now is total_phenols.

Your plan:

[Line #18] Define the target (in this task it's total_phenols).
[Line #25] Split the data 70-30 (70% of the data is for training and 30% is for testing) and insert 1 as a random parameter.
[Line #26] Initialize linear regression model .
[Line #27] Fit the model using your tain data.
[Line #30] Assign np.array() to the variable new_flavanoids if their number is 1 (don't forget to use function .reshape(-1,1)).
[Line #31] Predict and assign the amount of flavanoids to the variable predicted_value.
[Line #32] Print the predicted amount of flavanoids.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 4

Fråga AI

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

Challenge

Let’s combine our knowledge!

Uppgift

Swipe to start coding

Your plan:

[Line #18] Define the target (in this task it's total_phenols).
[Line #25] Split the data 70-30 (70% of the data is for training and 30% is for testing) and insert 1 as a random parameter.
[Line #26] Initialize linear regression model .
[Line #27] Fit the model using your tain data.
[Line #30] Assign np.array() to the variable new_flavanoids if their number is 1 (don't forget to use function .reshape(-1,1)).
[Line #31] Predict and assign the amount of flavanoids to the variable predicted_value.
[Line #32] Print the predicted amount of flavanoids.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 4

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan