Арифметические признаки
Для практики создания новых признаков вы будете работать с подвыборкой из соревнования Kaggle «House Prices: Advanced Regression Techniques». Цель этого соревнования — предсказать стоимость дома на основе его характеристик. Это задача регрессии, где в качестве метрики оценки используется среднеквадратичная ошибка (RMSE).
Ваша задача — создать новые признаки и определить, улучшают ли они оценку на валидации. Для получения оценки с помощью 5-кратной кросс-валидации используйте функцию get_kfold_rmse(). Передайте в неё датафрейм train, доступный в вашем рабочем пространстве.
Это упражнение является частью курса
Победа в соревновании Kaggle на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))