Зачем нужны модели: оценка зависимостей
Ещё одно распространённое применение моделирования — сравнение двух наборов данных: для каждого строится модель, а затем модели сравниваются между собой. В этом упражнении вам даны данные о поездке двух автомобилей, которые ехали вместе. Машины останавливались для заправки каждые 50 миль, но каждая расходовала разное количество топлива, поскольку их эффективность (MPG) различается. Завершите функцию efficiency_model(miles, gallons), которая оценивает эффективность как среднее количество миль на галлон потреблённого топлива. Используйте предоставленные словари car1 и car2, в которых есть ключи car['miles'] и car['gallons'].
Это упражнение является частью курса
Введение в линейное моделирование на Python
Инструкции к упражнению
- Завершите определение функции
efficiency_model(miles, gallons). - Используйте функцию, чтобы вычислить эффективность каждого из предоставленных автомобилей (словари
car1,car2). - Сохраните результаты в
car1['mpg']иcar2['mpg']. - Завершите логическое условие, чтобы вывести на экран, у какого автомобиля (если у одного из них) наилучшая эффективность.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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')