Вивчайте Завдання: Оцінювання Моделі | Поліноміальна Регресія

У цьому завданні вам надається добре відомий набір даних про житло, але цього разу лише з ознакою '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())

Далі побудуємо діаграму розсіювання для цих даних:


              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()

Підбір прямої до цих даних може бути не найкращим вибором. Ціна зростає як для нових, так і для дуже старих будинків. Підбір параболи виглядає кращим варіантом. Саме це ви й зробите у цьому завданні.

Але перед початком згадайте клас PolynomialFeatures.

Метод fit_transform(X) вимагає, щоб X був двовимірним масивом (або DataFrame).
Використання X = df[['column_name']] підготує ваш X для fit_transform().
Якщо у вас є одномірний масив, використовуйте .reshape(-1, 1), щоб створити двовимірний масив з тим самим вмістом.

Завдання полягає у побудові поліноміальної регресії другого ступеня з використанням PolynomialFeatures та OLS.

Завдання

Swipe to start coding

Призначення змінної X як DataFrame, що містить стовпець 'age'.
Створення матриці X_tilde за допомогою класу PolynomialFeatures.
Побудова та навчання моделі поліноміальної регресії.
Зміна форми X_new до двовимірного масиву.
Попередня обробка X_new так само, як і X.
Виведення параметрів моделі.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 5

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Свайпніть щоб показати меню

У цьому завданні вам надається добре відомий набір даних про житло, але цього разу лише з ознакою '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())

Далі побудуємо діаграму розсіювання для цих даних:


              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()

Але перед початком згадайте клас PolynomialFeatures.

Завдання полягає у побудові поліноміальної регресії другого ступеня з використанням PolynomialFeatures та OLS.

Завдання

Swipe to start coding

Призначення змінної X як DataFrame, що містить стовпець 'age'.
Створення матриці X_tilde за допомогою класу PolynomialFeatures.
Побудова та навчання моделі поліноміальної регресії.
Зміна форми X_new до двовимірного масиву.
Попередня обробка X_new так само, як і X.
Виведення параметрів моделі.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 5

single

Завдання: Оцінювання Моделі

Рішення

Awesome!

Завдання: Оцінювання Моделі

Рішення

Awesome!