Beberapa Fitur

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 12 dari 58.

Harga rumah bergantung pada lebih dari sekadar ukuran: jarak berjalan kaki yang jauh ke stasiun membuat harganya turun. Dengan mempelajari keduanya, model menarik garis-garis sejajar:

Sepuluh rumah sebagai titik, harga dibandingkan dengan luas: rumah yang dekat dengan stasiun berwarna biru, yang jauh berupa kotak oranye. Dua garis model yang sejajar, untuk jarak berjalan kaki 5 dan 25 menit; garis untuk 25 menit berada 102 ribu dolar lebih rendah pada setiap ukuran

Dalam kode, X mengambil kedua kolom dan coef_ memberikan satu bobot untuk setiap fitur:

X = houses[["area_m2", "minutes_walk"]]
model = LinearRegression()
model.fit(X, houses["price"])
print(np.round(model.coef_, 1))

Ini mencetak:

[ 2.6 -5.1]

Bobot mengikuti kolom X. Setiap tambahan 1 m² menambah 2.6 ribu dolar; setiap tambahan satu menit waktu berjalan kaki mengurangi 5.1 ribu dolar, dengan fitur lainnya tetap.

Satuan bobot adalah target per satuan fiturnya: ribuan per m², per menit.

Tantangan

Sedang

Jasa katering memberikan penawaran untuk acara baru berdasarkan 40 acara sebelumnya di events.csv: guests, courses, months_ahead (seberapa awal acara dipesan) dan cost dalam dolar. Kode awal membaca data acara baru ke dalam new_event.

Latih model LinearRegression untuk memprediksi biaya berdasarkan features.
Untuk setiap fitur, cetak berapa banyak biaya bertambah atau berkurang untuk setiap tambahan satu unit (2 desimal).
Cetak penawaran untuk acara baru (2 desimal).

Untuk jasa katering lain:

Each extra guest adds 41.5 dollars
Each extra course adds 198.25 dollars
Each extra month booked ahead takes off 22.8 dollars
Quote: 4312.6 dollars

Coba sendiri

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# Satu baris untuk setiap acara sebelumnya: jumlah tamu, jumlah hidangan, jumlah bulan pemesanan di muka, biaya dalam dolar
events = pd.read_csv("events.csv")
features = ["guests", "courses", "months_ahead"]
units = ["guest", "course", "month booked ahead"]
# Acara baru dalam tabel dengan satu baris
guests = int(input())
courses = int(input())
months = int(input())
new_event = pd.DataFrame({"guests": [guests], "courses": [courses], "months_ahead": [months]})

# Tulis kodemu di bawah ini