대기 질
Coddy Machine Learning 여정의 머신러닝을 위한 통계 섹션에 포함된 레슨. 64개 중 62번째.
한 도시에서 미세먼지 PM2.5를 빠르게 예측하고 싶어 합니다. 도시의 거리 센서는 air.csv에 40일간의 데이터를 기록했습니다:
각 행에는 하루의 풍속, 기온, 습도, 교통량, pm25가 들어 있습니다. 이 중 하나는 다른 항목보다 먼지를 훨씬 더 잘 추적합니다.
찾고, 선을 맞춘 다음, 얼마나 신뢰할 수 있는지 말해 보세요. 얼마나 설명하는지, 어디에서 가장 크게 빗나가는지, 그리고 언제 예측이 데이터에서 벗어나는지 알아보세요.
챌린지
어려움프로그램은 새로운 날의 최적 특성 값을 읽습니다. 소수점 2자리까지 반올림하세요.
pm25와 r의 절댓값이 가장 큰 특성과 부호를 포함한 r 값을 출력하세요.- 직선을 적합시키세요. 직선, R 제곱 값, 그리고 잔차가 가장 큰 행과 그 잔차를 출력하세요.
- 해당 값에 대한 예측을 수행하고, 값이 특성 데이터의 범위를 벗어나면 경고하세요.
- 최솟값부터 최댓값까지 점과 빨간 직선을 그리세요. 제목은
Air Quality, 가로축은 특성, 세로축은PM2.5로 설정하세요.
다른 도시에서 입력값이 8인 경우:
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 data직선을 그린 후 Coddy가 차트를 설명합니다.
직접 해보기
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
value = float(input())
df = pd.read_csv("air.csv")
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
머신러닝을 위한 통계의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러