Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Завдання: Прогнозування Цін за Допомогою Двох Ознак | Множинна Лінійна Регресія
Лінійна Регресія з Python

bookЗавдання: Прогнозування Цін за Допомогою Двох Ознак

У цьому завданні використовується той самий набір даних про житло. Однак тепер він містить дві ознаки: вік та площу будинку (стовпці 'age' та 'square_feet').

1234
import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houseprices.csv') print(df.head())
copy

Ваше завдання — побудувати модель множинної лінійної регресії з використанням класу OLS. Також необхідно вивести підсумкову таблицю для перегляду p-значень кожної ознаки.

Завдання

Swipe to start coding

  1. Призначити стовпці 'age' та 'square_feet' з df змінній X.
  2. Передобробити X для конструктора класу OLS.
  3. Побудувати та навчити модель за допомогою класу OLS.
  4. Передобробити масив X_new так само, як і X.
  5. Передбачити цільову змінну для X_new.
  6. Вивести таблицю підсумків моделі.

Рішення

Якщо ви все зробили правильно, ви отримали p-значення, близькі до нуля. Це означає, що всі наші ознаки є значущими для моделі.

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 5
single

single

Запитати АІ

expand

Запитати АІ

ChatGPT

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

close

Awesome!

Completion rate improved to 5.26

bookЗавдання: Прогнозування Цін за Допомогою Двох Ознак

Свайпніть щоб показати меню

У цьому завданні використовується той самий набір даних про житло. Однак тепер він містить дві ознаки: вік та площу будинку (стовпці 'age' та 'square_feet').

1234
import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houseprices.csv') print(df.head())
copy

Ваше завдання — побудувати модель множинної лінійної регресії з використанням класу OLS. Також необхідно вивести підсумкову таблицю для перегляду p-значень кожної ознаки.

Завдання

Swipe to start coding

  1. Призначити стовпці 'age' та 'square_feet' з df змінній X.
  2. Передобробити X для конструктора класу OLS.
  3. Побудувати та навчити модель за допомогою класу OLS.
  4. Передобробити масив X_new так само, як і X.
  5. Передбачити цільову змінну для X_new.
  6. Вивести таблицю підсумків моделі.

Рішення

Якщо ви все зробили правильно, ви отримали p-значення, близькі до нуля. Це означає, що всі наші ознаки є значущими для моделі.

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

close

Awesome!

Completion rate improved to 5.26
Секція 2. Розділ 5
single

single

some-alt