Wiele cech

Część sekcji Uczenie nadzorowane ścieżki Machine Learning w Coddy. Lekcja 12 z 58.

Cena domu zależy nie tylko od jego powierzchni: długa droga pieszo na stację ją obniża. Ucząc się na podstawie obu tych czynników, model rysuje równoległe linie:

Dziesięć domów jako punkty, cena w zależności od powierzchni: domy blisko stacji na niebiesko, dalekie jako pomarańczowe kwadraty. Dwie równoległe linie modelu dla 5- i 25-minutowego spaceru; linia dla 25 minut znajduje się o 102 tysiące dolarów niżej przy każdej powierzchni

W kodzie X otrzymuje obie kolumny, a coef_ jedną wagę na każdą cechę:

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

To wypisuje:

[ 2.6 -5.1]

Wagi odpowiadają kolumnom X. Każdy dodatkowy m² dodaje 2,6 tysiąca dolarów; każda dodatkowa minuta marszu odejmuje 5,1 tysiąca, przy niezmienionej drugiej cesze.

Jednostką wagi jest jednostka celu przypadająca na jednostkę cechy: tysiące na m², na minutę.

Wyzwanie

Średni

Firma cateringowa wycenia nowe wydarzenia na podstawie 40 poprzednich zapisanych w events.csv: guests, courses, months_ahead (z jakim wyprzedzeniem dokonano rezerwacji) oraz cost w dolarach. Kod startowy wczytuje nowe wydarzenie do new_event.

Dopasuj model LinearRegression, przewidując koszt na podstawie features.
Dla każdej cechy wypisz, o ile zwiększa lub zmniejsza koszt dodanie jednej jednostki (2 miejsca po przecinku).
Wypisz wycenę nowego wydarzenia (2 miejsca po przecinku).

Dla innej firmy cateringowej:

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

Spróbuj swoich sił

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

# Jeden wiersz na każde wcześniejsze wydarzenie: liczba gości, liczba dań, liczba miesięcy przed wydarzeniem, z jaką dokonano rezerwacji, koszt w dolarach
events = pd.read_csv("events.csv")
features = ["guests", "courses", "months_ahead"]
units = ["guest", "course", "month booked ahead"]
# Nowe wydarzenie jako tabela z jednym wierszem
guests = int(input())
courses = int(input())
months = int(input())
new_event = pd.DataFrame({"guests": [guests], "courses": [courses], "months_ahead": [months]})

# Napisz swój kod poniżej