अंकगणितीय फीचर्स
नए फीचर्स बनाना अभ्यास करने के लिए, आप Kaggle प्रतियोगिता "House Prices: Advanced Regression Techniques" के एक सबसैंपल पर काम करेंगे। इस प्रतियोगिता का लक्ष्य घर की विशेषताओं के आधार पर उसकी कीमत का पूर्वानुमान लगाना है। यह एक रिग्रेशन समस्या है, जिसमें इवैल्यूएशन मैट्रिक के रूप में Root Mean Squared Error उपयोग होता है.
आपका लक्ष्य नए फीचर्स बनाना और देखना है कि क्या वे आपके वैलिडेशन स्कोर में सुधार करते हैं। 5-fold क्रॉस-वैलिडेशन से वैलिडेशन स्कोर पाने के लिए आपको get_kfold_rmse() फंक्शन दिया गया है। इसे अपने वर्कस्पेस में उपलब्ध train DataFrame के साथ आर्ग्युमेंट के रूप में उपयोग कीजिए।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Kaggle प्रतियोगिता जीतना
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))