Arithmetische Features
Um das Erstellen neuer Features zu üben, arbeitest du mit einer Teilstichprobe aus der Kaggle-Competition "House Prices: Advanced Regression Techniques". Ziel dieser Competition ist es, den Hauspreis anhand seiner Eigenschaften vorherzusagen. Es handelt sich um ein Regressionsproblem mit Root Mean Squared Error als Bewertungsmetrik.
Dein Ziel ist es, neue Features zu erstellen und zu prüfen, ob sie deinen Validierungsscore verbessern. Um den Validierungsscore aus einer 5-fach-Cross-Validation zu erhalten, steht dir die Funktion get_kfold_rmse() zur Verfügung. Verwende sie mit dem in deinem Workspace verfügbaren DataFrame train als Argument.
Diese Übung ist Teil des Kurses
<Kurs>Eine Kaggle-Competition in Python gewinnen</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Look at the initial RMSE
print('RMSE before feature engineering:', get_kfold_rmse(train))
# Find the total area of the house
train['TotalArea'] = ____[____] + ____[____] + ____[____]
# Look at the updated RMSE
print('RMSE with total area:', get_kfold_rmse(train))