MulaiMulai sekarang secara gratis

Alasan Melakukan Pemodelan: Mengestimasi Hubungan

Aplikasi umum lain dari pemodelan adalah membandingkan dua himpunan data dengan membangun model untuk masing-masingnya, lalu membandingkan model-model tersebut. Pada latihan ini, Anda diberikan data perjalanan darat yang ditempuh dua mobil secara bersamaan. Mobil-mobil tersebut berhenti untuk mengisi bensin setiap 50 mil, tetapi masing-masing tidak perlu mengisi jumlah yang sama, karena efisiensi bahan bakarnya (MPG) berbeda. Lengkapi fungsi efficiency_model(miles, gallons) untuk mengestimasi efisiensi sebagai rata-rata mil yang ditempuh per galon bahan bakar yang dikonsumsi. Gunakan kamus car1 dan car2 yang disediakan, yang keduanya memiliki kunci car['miles'] dan car['gallons'].

context figure

Latihan ini adalah bagian dari kursus

Pengantar Pemodelan Linear di Python

Lihat Kursus

Petunjuk latihan

  • Lengkapi definisi fungsi untuk efficiency_model(miles, gallons).
  • Gunakan fungsi tersebut untuk menghitung efisiensi mobil yang disediakan (kamus car1, car2).
  • Simpan jawaban Anda sebagai car1['mpg'] dan car2['mpg'].
  • Lengkapi pernyataan logika berikut untuk mencetak mobil mana (jika ada) yang memiliki efisiensi terbaik.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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')
Edit dan Jalankan Kode