Завдання: Оцінювання Моделі
У цьому завданні вам надається добре відомий набір даних про житло, але цього разу лише з ознакою 'age'.
1234import 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 створимо діаграму розсіювання для цих даних:
12345678import 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()
Пряма лінія тут погано підходить: ціни зростають як для дуже нових, так і для дуже старих будинків. Парабола краще моделює цю тенденцію — саме це ви й побудуєте у цьому завданні.
Але перед початком згадайте клас PolynomialFeatures.
fit_transform(X) потребує двовимірного масиву або DataFrame. Використовуйте df[['col']] або, для одномірного масиву, застосуйте .reshape(-1, 1), щоб перетворити його у двовимірний.
Завдання — побудувати поліноміальну регресію другого ступеня з використанням PolynomialFeatures та OLS.
Swipe to start coding
- Призначення змінної
Xяк DataFrame, що містить стовпець'age'. - Створення матриці
X_tildeза допомогою класуPolynomialFeatures. - Побудова та навчання моделі поліноміальної регресії.
- Зміна форми
X_newдо двовимірного масиву. - Попередня обробка
X_newтак само, як іX. - Виведення параметрів моделі.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Чудово!
Completion показник покращився до 5.26Завдання: Оцінювання Моделі
Свайпніть щоб показати меню
У цьому завданні вам надається добре відомий набір даних про житло, але цього разу лише з ознакою 'age'.
1234import 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 створимо діаграму розсіювання для цих даних:
12345678import 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()
Пряма лінія тут погано підходить: ціни зростають як для дуже нових, так і для дуже старих будинків. Парабола краще моделює цю тенденцію — саме це ви й побудуєте у цьому завданні.
Але перед початком згадайте клас PolynomialFeatures.
fit_transform(X) потребує двовимірного масиву або DataFrame. Використовуйте df[['col']] або, для одномірного масиву, застосуйте .reshape(-1, 1), щоб перетворити його у двовимірний.
Завдання — побудувати поліноміальну регресію другого ступеня з використанням PolynomialFeatures та OLS.
Swipe to start coding
- Призначення змінної
Xяк DataFrame, що містить стовпець'age'. - Створення матриці
X_tildeза допомогою класуPolynomialFeatures. - Побудова та навчання моделі поліноміальної регресії.
- Зміна форми
X_newдо двовимірного масиву. - Попередня обробка
X_newтак само, як іX. - Виведення параметрів моделі.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
single
