Kom igångKom igång gratis

Skäl att modellera: Uppskatta samband

En annan vanlig tillämpning av modellering är att jämföra två datamängder – man bygger en modell för vardera och jämför sedan modellerna. I den här övningen får du data från en bilresa som två bilar genomförde tillsammans. Bilarna stannade för att tanka var 50:e mil, men behövde inte fylla på lika mycket, eftersom de har olika bränsleförbrukning (MPG). Slutför funktionen efficiency_model(miles, gallons) för att uppskatta effektiviteten som genomsnittligt antal miles per gallon bränsle. Använd de angivna dictionaryerna car1 och car2, som båda har nycklarna car['miles'] och car['gallons'].

context figure

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Slutför funktionsdefinitionen för efficiency_model(miles, gallons).
  • Använd funktionen för att beräkna bränsleeffektiviteten för de angivna bilarna (dicts car1, car2).
  • Spara resultaten som car1['mpg'] och car2['mpg'].
  • Slutför följande logikuttryck för att skriva ut vilken bil (om någon) som har bäst bränsleeffektivitet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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')
Redigera och kör kod