Глибші ознаки

У попередніх вправах ми показали, як поєднання двох ознак може дати корисні додаткові ознаки для прогностичної моделі. У цій вправі ви згенеруєте «глибші» ознаки, поєднавши вплив трьох змінних в одну. Потім перевірите, чи завжди глибші й складніші ознаки є кращими предикторами.

Створіть нову ознаку, додавши SQFTBELOWGROUND і SQFTABOVEGROUND, і створіть новий стовпець Total_SQFT
Використовуючи Total_SQFT, створіть ще одну ознаку під назвою BATHS_PER_1000SQFT з BATHSTOTAL. Обов'язково масштабуте Total_SQFT до тисяч
Використайте describe(), щоб переглянути нові мінімум, максимум і середнє для нашої найновішої ознаки BATHS_PER_1000SQFT. Чи не помітили чогось дивного?
Створіть два jointplots() з Total_SQFT і BATHS_PER_1000SQFT як значеннями \(x\) та SALESCLOSEPRICE як значенням \(y\), щоб побачити, яка з ознак має кращу підгонку R**2. Чи має ця складніша ознака сильніший зв'язок із SALESCLOSEPRICE?

Exercise

Глибші ознаки

Instructions

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instructions

Exercise