Свайпніть щоб показати меню

Challenge: Evaluating the Model

In this challenge, you are given the good old housing dataset, but this time only with the 'age' feature.


              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())

Next, we'll create a scatterplot for this data:


              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()

Fitting a straight line to this data may not be a great choice. The price gets higher for either brand-new or really old houses. Fitting a parabola looks like a better choice. And that's what you will do in this challenge.

But before you start, recall the PolynomialFeatures class.

The fit_transform(X) method requires X to be a 2-D array (or a DataFrame).
Using X = df[['column_name']] will get your X suited for fit_transform().
And if you have a 1-D array, use .reshape(-1, 1) to make a 2-D array with the same contents.

The task is to build a Polynomial Regression of degree 2 using PolynomialFeatures and OLS.

Завдання

Swipe to start coding

Assign the X variable to a DataFrame containing column 'age'.
Create an X_tilde matrix using the PolynomialFeatures class.
Build and train a Polynomial Regression model.
Reshape X_new to be a 2-D array.
Preprocess X_new the same way as X.
Print the model's parameters.

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

Запитати АІ

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