Hava Kalitesi

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 62 / 64.

Bir şehir, ince toz PM2.5 için hızlı bir tahmin istiyor. Sokak sensörü, air.csv dosyasına 40 günlük veri kaydetti:

40 gün boyunca günlük PM2.5 değerlerini gösteren bir çizgi; değerler yaklaşık 16 ile 61 arasında değişiyor ve her gün, WHO günlük kılavuz değeri olarak işaretlenmiş 15 seviyesindeki kesikli çizginin üzerinde

Her satır bir günün rüzgâr, sıcaklık, nem, trafik ve pm25 değerlerini içerir. Bunlardan biri tozu diğerlerinden çok daha iyi takip eder.

Bul, bir doğru uydur ve ona ne kadar güvenebileceğini söyle: veriyi ne kadar açıkladığını, en çok nerede hata yaptığını ve bir tahminin verilerin sınırlarını ne zaman aştığını.

Görev

Zor

Program, en iyi özelliğin yeni bir güne ait değerini okur. 2 ondalık basamağa yuvarla.

İşaretini göz ardı ederek pm25 ile en güçlü r değerine sahip özelliği ve işaretli r değerini yazdır.
Bir doğru uydur. Doğruyu, R kare değerini ve en çok hata yaptığı satırı bu artıkla birlikte yazdır.
Değer için tahmin yap ve özellik verilerinin aralığının dışında kaldığında uyar.
En küçük değerden en büyük değere kadar noktaları ve kırmızı doğruyu çiz: başlık Air Quality, yatay eksende özellik, dikey eksende PM2.5.

Başka bir şehir ve 8 girdisi için:

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 data

Air Quality başlıklı, yatay ekseninde traffic_k ve dikey ekseninde PM2.5 olan, sağa doğru yükselen 30 nokta ve içlerinden geçen kırmızı bir uydurma doğru içeren bir saçılım grafiği

Satırlarını yazdıktan sonra Coddy grafiğini açıklar.

Kendin dene

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

value = float(input())
df = pd.read_csv("air.csv")

# Kodunuzu aşağıya yazın

Kendini test et

Bu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.

Makine Öğrenimi için İstatistik bölümündeki tüm dersler

2Dağılımlar

Yoğunluk Histogramları Veri Dağılımlarının Şekilleri Normal Eğri 68-95-99,7 Kuralı Z Puanları Özet: Pil Ömrü

5Aykırı Değerler

Kutu Grafikleri IQR Kuralı Z-Skoru Kuralı Aykırı Değerleri Ele Alma Özet: Sensör Hataları

8Grupları Karşılaştırma

Gruplara Göre Kutu Grafikleri Ortalamalar Arasındaki Fark Şans Eseri Olabilir mi?P-Değerleri t-Testi Özet: A/B Testi

11Bir Veri Kümesini Keşfetmek

İlk Bakış Tüm Özellikler Bir Arada Özellikler ve Etiket En İyi İki Özellik Özet: Diyabet Verileri

Kendi başına pratik yap: Online Python derleyicisi