Motivos para modelar: estimar relaciones
Otra aplicación habitual del modelado es comparar dos conjuntos de datos creando modelos para cada uno y luego comparando los modelos. En este ejercicio, se te dan datos de un viaje por carretera que hicieron dos coches juntos. Paraban a repostar cada 50 millas, pero cada coche no necesitaba llenar la misma cantidad, porque no tienen la misma eficiencia de combustible (MPG). Completa la función efficiency_model(miles, gallons) para estimar la eficiencia como el promedio de millas recorridas por galón de combustible consumido. Usa los diccionarios car1 y car2 proporcionados, que ambos tienen las claves car['miles'] y car['gallons'].
Este ejercicio forma parte del curso
Introducción al modelado lineal en Python
Instrucciones del ejercicio
- Completa la definición de la función
efficiency_model(miles, gallons). - Usa la función para calcular la eficiencia de los coches proporcionados (dicts
car1,car2). - Guarda tus respuestas como
car1['mpg']ycar2['mpg']. - Completa la siguiente expresión lógica para imprimir qué coche (si alguno) tiene la mejor eficiencia.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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')