Luftqualität
Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 62 von 64.
Eine Stadt möchte eine kurzfristige Prognose für Feinstaub, PM2.5. Ihr Straßensensor hat 40 Tage in air.csv protokolliert:
Jede Zeile enthält die Wind-, Temperatur-, Luftfeuchtigkeits- und Verkehrsdaten eines Tages sowie pm25. Einer dieser Werte bildet den Feinstaub deutlich besser ab als die übrigen.
Finde sie, passe eine Gerade an und sage, wie weit du ihr vertrauen kannst: wie viel sie erklärt, wo sie am meisten danebenliegt und wann eine Prognose die Daten hinter sich lässt.
Aufgabe
SchwerDas Programm liest den Wert eines neuen Tages für das beste Merkmal ein. Runde auf 2 Dezimalstellen.
- Gib das Merkmal mit dem stärksten r mit
pm25aus, wobei das Vorzeichen ignoriert wird, sowie dessen vorzeichenbehaftetes r. - Lege eine Gerade an. Gib sie, ihr R squared und die Zeile aus, bei der die Abweichung am größten ist, zusammen mit diesem Residuum.
- Erstelle eine Vorhersage für den Wert und gib eine Warnung aus, wenn er außerhalb der Daten des Merkmals liegt.
- Zeichne Punkte und die rote Gerade vom kleinsten bis zum größten Wert: Titel
Air Quality, das Merkmal auf der waagerechten Achse,PM2.5auf der senkrechten Achse.
Für eine andere Stadt und die Eingabe 8:
Best feature: traffic_k (r = 0.86)
Line: pm25 = 1.11 * traffic_k + 13.67
R squared: 0.73
Largest miss: row 14 (residual 11.15)
Prediction at 8.0: 22.57
Warning: outside the dataNach deinen Zeilen beschreibt Coddy dein Diagramm.
Probier es selbst
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
value = float(input())
df = pd.read_csv("air.csv")
# Schreibe deinen Code unten
Teste dich selbstDiese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Alle Lektionen in Statistik für ML
1Lage und Streuung
Mittelwert und MedianPerzentile und QuartileVarianz und StandardabweichungStichprobe oder Grundgesamtheit?Der häufigste WertRückblick: Lieferzeiten4Stichproben und Grundgesamtheiten
Grundgesamtheit und StichprobeStichprobenmittelwerte variierenDie StichprobenverteilungGrößere Stichproben, weniger ZufallRückblick: Eine Stadt befragen2Verteilungen
DichtehistogrammeDatenverteilungenDie NormalverteilungskurveDie 68-95-99,7-RegelZ-WerteRückblick: Akkulaufzeit3Wahrscheinlichkeit durch Simulation
Wahrscheinlichkeit als HäufigkeitDas Gesetz der großen ZahlenAugensummen beim WürfelnErwartungswertBedingte WahrscheinlichkeitRückblick: Gewinnchancen am Würfelstand6Zusammenhänge
Streudiagramme lesenKorrelationKorrelationsmatrixKorrelations-HeatmapsKorrelation ist keine KausalitätRückblick: Eiscreme und SonneÜbe selbstständig: Online-Python-Compiler