K čemu slouží modely: odhadování vztahů
Další běžné využití modelování je porovnávání dvou datových sad – pro každou se sestaví model a výsledné modely se pak porovnají mezi sebou. V tomto cvičení máš k dispozici data o cestě, kterou dvě auta absolvovala společně. Auta se zastavovala na benzínce každých 50 mil, ale pokaždé natankovala různé množství paliva – každé auto má totiž jinou spotřebu (MPG). Dokonči funkci efficiency_model(miles, gallons), která odhadne efektivitu jako průměrný počet mil ujetých na galon paliva. Využij připravené slovníky car1 a car2, které oba obsahují klíče car['miles'] a car['gallons'].
Toto cvičení je součástí kurzu
Úvod do lineárního modelování v Pythonu
Pokyny k cvičení
- Dokonči definici funkce
efficiency_model(miles, gallons). - Pomocí této funkce vypočítej efektivitu obou aut (slovníky
car1,car2). - Výsledky ulož jako
car1['mpg']acar2['mpg']. - Dokonči následující logický výraz, který vypíše, které auto má (případně jestli vůbec nějaké) nejlepší efektivitu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Complete the function to model the efficiency.
def efficiency_model(miles, gallons):
return np.mean( ____ / ____ )
# Use the function to estimate the efficiency for each car.
car1['mpg'] = efficiency_model(car1['____'] , car1['____'] )
car2['mpg'] = efficiency_model(car2['____'] , car2['____'] )
# Finish the logic statement to compare the car efficiencies.
if car1['mpg'] ____ car2['mpg'] :
print('car1 is the best')
elif car1['mpg'] ____ car2['mpg'] :
print('car2 is the best')
else:
print('the cars have the same efficiency')