CommencerCommencer gratuitement

Pourquoi modéliser : estimer des relations

Une autre application courante de la modélisation consiste à comparer deux jeux de données en construisant un modèle pour chacun, puis en comparant les modèles. Dans cet exercice, vous disposez de données sur un trajet en voiture effectué par deux véhicules ensemble. Les voitures se sont arrêtées pour faire le plein tous les 50 miles, mais chacune n’a pas eu 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 le nombre moyen de 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

Cet exercice fait partie du cours

Introduction à la modélisation linéaire en Python

Afficher le cours

Instructions

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

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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