Арифметичні ознаки
Щоб попрактикуватися у створенні нових ознак, ви працюватимете з підвибіркою з конкурсу Kaggle «House Prices: Advanced Regression Techniques». Мета цього конкурсу — передбачити ціну будинку за його характеристиками. Це задача регресії з Root Mean Squared Error як метрикою оцінювання.
Ваше завдання — створити нові ознаки та визначити, чи покращують вони вашу валідаційну метрику. Щоб отримати валідаційний бал за 5-кратної крос-валідації, вам надано функцію get_kfold_rmse(). Використайте її з датафреймом train, доступним у вашому робочому середовищі, як аргумент.
Ця вправа є частиною курсу
Як перемагати в змаганнях Kaggle за допомогою Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))