Perché modellare: stimare le relazioni
Un'altra applicazione comune della modellazione è confrontare due insiemi di dati costruendo un modello per ciascuno e poi confrontando i modelli. In questo esercizio, ti vengono forniti i dati di un viaggio in auto fatto insieme da due vetture. Le auto si sono fermate per fare benzina ogni 50 miglia, ma ciascuna non ha dovuto fare il pieno della stessa quantità, perché non hanno la stessa efficienza del carburante (MPG). Completa la funzione efficiency_model(miles, gallons) per stimare l'efficienza come media delle miglia percorse per gallone di carburante consumato. Usa i dizionari forniti car1 e car2, che hanno entrambi le chiavi car['miles'] e car['gallons'].
Questo esercizio fa parte del corso
Introduzione alla modellazione lineare in Python
Istruzioni dell'esercizio
- Completa la definizione della funzione
efficiency_model(miles, gallons). - Usa la funzione per calcolare l'efficienza delle auto fornite (dict
car1,car2). - Salva le tue risposte come
car1['mpg']ecar2['mpg']. - Completa la seguente istruzione logica per stampare quale auto (se ce n'è una) ha l'efficienza migliore.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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')