CommencezCommencez gratuitement

Pourquoi modéliser : estimer des relations

Une autre application fréquente de la modélisation consiste à comparer deux jeux de données en créant un modèle pour chacun, puis en comparant les modèles. Dans cet exercice, on vous fournit des données sur un trajet routier effectué par deux voitures ensemble. Les voitures s'arrêtaient pour faire le plein à chaque 50 miles, mais elles n'avaient pas besoin de la même quantité d'essence, car elles n'ont pas la même efficacité énergétique (MPG). Complétez la fonction efficiency_model(miles, gallons) pour estimer l'efficacité comme la moyenne des miles parcourus par gallon de carburant consommé. Utilisez les dictionnaires fournis car1 et car2, qui possèdent tous deux les clés car['miles'] et car['gallons'].

context figure

Cette activité fait partie du cours

Introduction aux modèles linéaires en Python

Voir le cours

Instructions de l’exercice

  • Complétez la définition de la fonction efficiency_model(miles, gallons).
  • Utilisez la fonction pour calculer l'efficacité des voitures fournies (dicts car1, car2).
  • Enregistrez vos réponses dans car1['mpg'] et car2['mpg'].
  • Complétez l'énoncé logique suivant afin d'afficher laquelle des deux voitures (le cas échéant) a la meilleure efficacité.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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')
Modifier et exécuter le code