Вивчайте Завдання: Прогнозування Цін на Житло

Тепер ви побудуєте модель регресії на реальному прикладі. У вас є файл houses_simple.csv, який містить інформацію про ціни на житло з площею як ознакою.


              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_simple.csv')
print(df.head())

Наступний крок — призначення змінних і візуалізація набору даних:


              123456789
            
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_simple.csv')
X = df['square_feet']
y = df['price']

plt.scatter(X, y, alpha=0.5)
plt.show()

У прикладі з ростом людини було набагато легше уявити собі лінію, яка добре підходить до даних.

Але зараз наші дані мають значно більшу дисперсію, оскільки цільова змінна значною мірою залежить від багатьох інших факторів, таких як вік, розташування, інтер'єр тощо.
У будь-якому випадку, завдання полягає у побудові лінії, яка найкраще відповідає наявним даним; вона покаже тенденцію. Для цього слід використовувати клас OLS. Незабаром ми дізнаємося, як додати більше ознак, що покращить прогнозування!

Завдання

Swipe to start coding

Призначте стовпець 'price' з df змінній y.
Створіть матрицю X_tilde за допомогою функції add_constant() з пакету statsmodels (імпортовано як sm).
Ініціалізуйте об'єкт OLS та навчіть його.
Попередньо обробіть масив X_new так само, як і X.
Здійсніть прогноз цільової змінної для матриці X_new_tilde.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 5

single

Запитати АІ

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

Suggested prompts:

What is the OLS class and how do I use it for regression?

Can you explain why adding more features improves prediction?

What does the scatter plot tell us about the data?

Свайпніть щоб показати меню


              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_simple.csv')
print(df.head())