Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Riepilogo: annunci di auto

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 55 di 64.

challenge icon

Sfida

Medio

Un sito di auto usate prepara gli annunci per un modello di prezzo. listings.csv contiene fuel, condition (fair, good, excellent), km e price. Il programma legge un valore fuel.

  1. Aggiungi condition_score: fair 1, good 2, excellent 3.
  2. Aggiungi mileage: low fino a 50000 km, mid fino a 120000, high fino a 300000.
  3. Codifica fuel con one-hot encoding in cars (dtype=int).
  4. Stampa la forma, il numero di auto per fascia di chilometraggio e il conteggio, il prezzo medio e la condizione media del carburante letto (2 decimali).

Altri cinque annunci diventano questa tabella:

Cinque altri annunci: le 4 colonne fuel, condition, km e price diventano 8. condition, km e price restano; condition genera condition_score, km genera mileage e fuel diventa fuel_diesel, fuel_hybrid e fuel_petrol

Con l'input hybrid, stampano:

Shape: (5, 8)
mileage
low     1
mid     3
high    1
Name: count, dtype: int64
hybrid listings: 3
Mean price: 10500.0
Mean condition: 2.0

Provalo tu

import pandas as pd

cars = pd.read_csv("listings.csv")
fuel = input()

# Scrivi il tuo codice qui sotto

Tutte le lezioni di Statistica per il machine learning

1Centro e dispersione

Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna

4Campioni e popolazioni

Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città

7Linee di tendenza

ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica

10Codifica delle categorie

Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto

2Distribuzioni

Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria

5Valori anomali

Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori

8Confrontare gruppi

Diagrammi a scatola per gruppoDifferenza tra le mediePotrebbe essere solo caso?I p-valueIl test tRiepilogo: test A/B

11Esplorare un dataset

Una prima occhiataTutte le feature insiemeFeature a confronto con l'etichettaLe due feature miglioriRiepilogo: dati sul diabete

3Probabilità tramite simulazione

La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le featureScalatura Min-MaxStandardizzazioneStandardScalerRiepilogo: compagni di scalata

12Sfide finali

Ritardi dei treniQualità dell'ariaChimica del vinoSondaggio in clinica

Esercitati da solo: Compilatore Python online