Aritmetiska särdrag
För att öva på att skapa nya särdrag kommer du att arbeta med ett urval från Kaggle-tävlingen "House Prices: Advanced Regression Techniques". Målet med tävlingen är att förutsäga husets pris utifrån dess egenskaper. Det är ett regressionsproblem där Root Mean Squared Error används som utvärderingsmått.
Ditt mål är att skapa nya särdrag och avgöra om de förbättrar ditt valideringsresultat. För att beräkna valideringsresultatet med 5-faldig korsvalidering finns funktionen get_kfold_rmse() tillgänglig. Använd den med DataFrame:en train, som finns i din arbetsyta, som argument.
Den här övningen är en del av kursen
Vinna en Kaggle-tävling i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))