Aritmetik özellikler
Yeni özellikler oluşturmayı pratik etmek için, "House Prices: Advanced Regression Techniques" adlı Kaggle yarışmasından bir alt örnekle çalışacaksın. Bu yarışmanın amacı, evin özelliklerine göre fiyatını tahmin etmek. Değerlendirme metriği olarak Kök Ortalama Kare Hatası (Root Mean Squared Error) kullanılan bir regresyon problemi.
Amacın, yeni özellikler oluşturup doğrulama skorunu iyileştirip iyileştirmediğini görmek. 5 katlı çapraz doğrulamadan gelen doğrulama skorunu almak için sana get_kfold_rmse() fonksiyonu verildi. Bunu çalışma alanındaki train DataFrame'ini argüman olarak vererek kullan.
Bu egzersiz, kursun bir parçasıdır
Python ile Bir Kaggle Yarışmasını Kazanmak
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))