Вивчайте Завдання: Оцінювання Моделі | Поліноміальна Регресія

У цьому завданні вам надається добре відомий набір даних про житло, але цього разу лише з ознакою 'age'.


              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())

Далі створимо діаграму розсіювання для цих даних:


              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()

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.

Завдання

Swipe to start coding

Призначення змінної X як DataFrame, що містить стовпець 'age'.
Створення матриці X_tilde за допомогою класу PolynomialFeatures.
Побудова та навчання моделі поліноміальної регресії.
Зміна форми X_new до двовимірного масиву.
Попередня обробка X_new так само, як і X.
Виведення параметрів моделі.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 5

single

Запитати АІ

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

Suggested prompts:

How do I use PolynomialFeatures to transform the 'age' column?

Can you guide me through building a polynomial regression model with OLS?

What does the output of PolynomialFeatures look like for this dataset?

Свайпніть щоб показати меню