Завдання: Прогнозування Цін за Допомогою Двох Ознак

Для цього завдання 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())

Ваше завдання — побудувати модель множинної лінійної регресії з використанням класу OLS. Також потрібно вивести підсумкову таблицю, щоб переглянути p-значення кожної ознаки.

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 5

single

Свайпніть щоб показати меню

Для цього завдання 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())

Ваше завдання — побудувати модель множинної лінійної регресії з використанням класу OLS. Також потрібно вивести підсумкову таблицю, щоб переглянути p-значення кожної ознаки.

Завдання

Проведіть, щоб почати кодувати

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

Рішення

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

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 2. Розділ 5

single

Запитати АІ

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