Récapitulatif : annonces de voitures
Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 55 sur 64.
Défi
MoyenUn site de voitures d’occasion prépare des annonces pour un modèle de prix. listings.csv contient fuel, condition (fair, good, excellent), km et price. Le programme lit un fuel.
- Ajoute
condition_score:fair1,good2,excellent3. - Ajoute
mileage:lowjusqu’à 50000 km,midjusqu’à 120000,highjusqu’à 300000. - Effectue un encodage one-hot de
fueldanscars(dtype=int). - Affiche la forme, le nombre de voitures par tranche de kilométrage, ainsi que le nombre d’annonces correspondant au carburant saisi, le prix moyen et l’état moyen (2 décimales).
Cinq autres annonces donnent ce tableau :
Avec la saisie hybrid, elles affichent :
Shape: (5, 8)
mileage
low 1
mid 3
high 1
Name: count, dtype: int64
hybrid listings: 3
Mean price: 10500.0
Mean condition: 2.0Essayez vous-même
import pandas as pd
cars = pd.read_csv("listings.csv")
fuel = input()
# Écrivez votre code ci-dessous
Toutes les leçons de Statistiques pour le ML
1Centre et dispersion
Moyenne et médianePercentiles et quartilesVariance et écart-typeÉchantillon ou population ?La valeur la plus fréquenteRécapitulatif : délais de livraison4Échantillons et populations
Population et échantillonLes moyennes d’échantillon varientLa distribution d’échantillonnageDes échantillons plus grands, moins de bruitRécapitulatif : sonder une ville7Droites de tendance
RésidusAjustement par les moindres carrésTracer la droite d’ajustementPrédire avec une droiteQualité de l’ajustementRécapitulatif : heures de pratique10Encodage des catégories
Les catégories sous forme de nombresEncodage one-hotRegrouper les nombres en intervallesRécapitulatif : annonces de voitures2Distributions
Histogrammes de densitéFormes des donnéesLa courbe normaleLa règle des 68-95-99,7Scores zRécapitulatif : autonomie de la batterie5Valeurs aberrantes
Diagrammes en boîteLa règle de l’écart interquartileLa règle du score ZTraiter les valeurs aberrantesRécapitulatif : anomalies des capteurs3Les probabilités par simulation
La probabilité comme fréquenceLa loi des grands nombresSommes de désEspérance mathématiqueProbabilité conditionnelleRécapitulatif : les chances au stand de dés6Relations
Lire des nuages de pointsCorrélationMatrice de corrélationCartes thermiques de corrélationCorrélation n’est pas causalitéRécapitulatif : glace et soleil9Mise à l’échelle des caractéristiques
Pourquoi mettre les caractéristiques à l’échelleMise à l’échelle Min-MaxStandardisationStandardScalerRécapitulatif : partenaires d’escaladeEntraînez-vous par vous-même : Compilateur Python en ligne