Menu

НАЧАТЬ УЧИТЬСЯ

Русский

Повторение: часы практики

Часть раздела Статистика для машинного обучения путешествия по Machine Learning на Coddy. Урок 40 из 64.

Задание

Средне

Сколько часов занятий в неделю потребуется для достижения целевого результата? В файле языковой школы practice.csv хранятся данные о hours и score 20 учеников; программа считывает target.

Постройте прямую, предсказывающую score по hours; выведите долю результатов, которую она объясняет (1 знак после запятой).
Выведите количество часов, необходимое по этой прямой для достижения target (2 знака после запятой).
Если это значение выходит за диапазон часов в данных, выведите предупреждение.
Постройте график с Learners, прямой Fit для их часов и точкой Needed, добавив легенду, оси Hours practiced и Score, а также заголовок, указанный ниже.

Для другой школы и значения 95:

The line explains 98.6% of the scores
Hours for a score of 95: 9.27
Warning: outside the data, which runs from 0.5 to 8.0 hours

Затем Coddy описывает график, который выглядит так:

График с заголовком Practice for a Score of 95: двенадцать учеников показаны точками, значения которых растут с 45 до 88 баллов в диапазоне от 0.5 до 8 часов; через них проходит аппроксимирующая прямая, а одна оранжевая точка Needed находится на отметке 9.27 часа и 95 баллов, за пределами последнего ученика

Попробуйте сами

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

practice = pd.read_csv("practice.csv")
target = int(input())

# Напишите свой код ниже

Все уроки раздела Статистика для машинного обучения

1Центр и разброс

Среднее и медиана Процентили и квартили Дисперсия и стандартное отклонение Выборка или генеральная совокупность?Самое частое значение Повторение: сроки доставки

4Выборки и генеральные совокупности

Генеральная совокупность и выборка Средние значения выборок различаются Распределение выборочных средних Чем больше выборка, тем меньше шум Итоги: опрос жителей города

7Линии тренда

Остатки Метод наименьших квадратов Построение линии аппроксимации Предсказания с помощью линии Насколько хороша аппроксимация?Повторение: часы практики

10Кодирование категорий

Категории в виде чисел One-Hot Encoding Разбиение чисел на интервалы Повторение: объявления о продаже автомобилей

2Распределения

Гистограммы плотности Формы распределения данных Нормальная кривая Правило 68–95–99,7 Z-оценки Повторение: время работы батареи

5Выбросы

Диаграммы размаха Правило IQR Правило Z-оценки Работа с выбросами Повторение: сбои датчиков

8Сравнение групп

Диаграммы размаха по группам Разность средних А вдруг это случайность?P-значения t-критерий Повторение: A/B-тест

11Изучаем набор данных

Первый взгляд Все признаки сразу Признаки и целевая переменная Два лучших признака Повторение: данные о диабете

3Вероятность с помощью моделирования

Вероятность как частота Закон больших чисел Суммы значений на кубиках Математическое ожидание Условная вероятность Повторение: шансы в игре в кости

6Взаимосвязи

Чтение диаграмм рассеяния Корреляция Матрица корреляций Тепловые карты корреляций Корреляция не означает причинность Повторение: мороженое и солнце

9Масштабирование признаков

Зачем масштабировать признаки Масштабирование Min-Max Стандартизация StandardScaler Повторение: партнёры по восхождению

12Итоговые задания

Задержки поездов Качество воздуха Химия вина Опрос в клинике

Потренируйтесь самостоятельно: Онлайн-компилятор Python