LoslegenKostenlos loslegen

Warum modellieren? Beziehungen schätzen

Eine weitere typische Anwendung von Modellen ist der Vergleich zweier Datensätze: Du baust für jeden ein Modell und vergleichst anschließend die Modelle. In dieser Aufgabe bekommst du Daten von einer gemeinsamen Autofahrt zweier Wagen. Die Autos hielten alle 50 miles zum Tanken an, mussten aber nicht jeweils gleich viel nachfüllen, weil ihre Kraftstoffeffizienz (MPG) unterschiedlich ist. Vervollständige die Funktion efficiency_model(miles, gallons), um die Effizienz als durchschnittliche gefahrene miles pro verbrauchten gallons zu schätzen. Verwende die bereitgestellten Dictionaries car1 und car2, die jeweils die Keys car['miles'] und car['gallons'] enthalten.

context figure

Diese Übung ist Teil des Kurses

Einführung in lineares Modellieren mit Python

Kurs anzeigen

Anleitung zur Übung

  • Vervollständige die Funktionsdefinition efficiency_model(miles, gallons).
  • Verwende die Funktion, um die Effizienz der bereitgestellten Autos (Dicts car1, car2) zu berechnen.
  • Speichere deine Ergebnisse als car1['mpg'] und car2['mpg'].
  • Ergänze die folgende logische Abfrage, um auszugeben, welches Auto (falls eines) die beste Effizienz hat.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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')
Code bearbeiten und ausführen