モデリングの目的：関係の推定
モデリングのもう一つの一般的な用途は、各データセットに対してモデルを作り、そのモデル同士を比較することで、2つのデータセットを比較することです。この演習では、2台の車が一緒にロードトリップをしたときのデータが与えられます。車は50マイルごとに給油のために停車しましたが、燃費（MPG）が異なるため、両方の車が同じ量を給油する必要はありませんでした。消費した燃料1ガロンあたりの平均走行距離として効率を推定するために、関数 efficiency_model(miles, gallons) を完成させてください。car1 と car2 の辞書が用意されており、どちらも car['miles'] と car['gallons'] というキーを持ちます。
この演習はコースの一部です
Pythonで学ぶ線形モデリング入門
演習の手順
efficiency_model(miles, gallons)の関数定義を完成させます。- 関数を使って、与えられた車（辞書
car1、car2）の効率を計算します。 - 結果を
car1['mpg']とcar2['mpg']に保存します。 - 次の論理式を完成させて、どちらの車（または同等）が最も効率的かを出力します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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')