เหตุผลในการสร้างโมเดล: การประเมินความสัมพันธ์
การประยุกต์ใช้งานโมเดลที่พบบ่อยอีกรูปแบบหนึ่งคือการ เปรียบเทียบชุดข้อมูลสองชุด โดยสร้างโมเดลให้แต่ละชุด แล้ว นำโมเดลมาเปรียบเทียบกัน ในแบบฝึกหัดนี้ คุณจะได้รับข้อมูลการเดินทางด้วยรถยนต์สองคันที่เดินทางร่วมกัน รถยนต์แต่ละคันหยุดเติมน้ำมันทุก 50 ไมล์ แต่ปริมาณที่เติมไม่เท่ากัน เนื่องจากรถทั้งสองมีประสิทธิภาพการใช้เชื้อเพลิง (MPG) ต่างกัน ให้เติมฟังก์ชัน efficiency_model(miles, gallons) ให้สมบูรณ์ เพื่อประเมินประสิทธิภาพในรูปของค่าเฉลี่ยระยะทาง (ไมล์) ต่อเชื้อเพลิงที่ใช้ (แกลลอน) โดยใช้ดิกชันนารี car1 และ car2 ที่กำหนดให้ ซึ่งทั้งคู่มีคีย์ car['miles'] และ car['gallons']
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Introduction to Linear Modeling in Python
คำแนะนำการฝึกหัด
- เติมนิยามฟังก์ชัน
efficiency_model(miles, gallons)ให้สมบูรณ์ - ใช้ฟังก์ชันนี้เพื่อคำนวณประสิทธิภาพของรถยนต์ที่กำหนดให้ (dict
car1และcar2) - เก็บผลลัพธ์ไว้ใน
car1['mpg']และcar2['mpg'] - เติมคำสั่งเงื่อนไขต่อไปนี้ให้สมบูรณ์ เพื่อแสดงผลว่ารถคันใด (ถ้ามี) มีประสิทธิภาพดีที่สุด
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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')