ฟีเจอร์เชิงคณิตศาสตร์
เพื่อฝึกการสร้างฟีเจอร์ใหม่ คุณจะทำงานกับข้อมูลตัวอย่างจากการแข่งขัน Kaggle ชื่อ "House Prices: Advanced Regression Techniques" เป้าหมายของการแข่งขันนี้คือการทำนายราคาบ้านจากคุณสมบัติต่าง ๆ ของบ้าน โดยเป็นปัญหา Regression ที่ใช้ Root Mean Squared Error เป็น Metric สำหรับการประเมินผล
เป้าหมายของคุณคือสร้างฟีเจอร์ใหม่และตรวจสอบว่าฟีเจอร์เหล่านั้นช่วยปรับปรุง Validation Score หรือไม่ เพื่อคำนวณ Validation Score จาก 5-fold cross-validation มีฟังก์ชัน get_kfold_rmse() ให้ใช้งาน โดยส่ง DataFrame train ที่มีอยู่ใน Workspace ของคุณเป็น Argument
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การแข่งขัน Kaggle ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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))