Вы работаете с классическим датасетом
Boston Housing Dataset, который содержит информацию о ценах на недвижимость в пригородах Бостона. Датасет включает 13 признаков, влияющих на медианную стоимость домов. Ваша задача — построить модель множественной линейной регрессии и проанализировать факторы, влияющие на цену.
Описание признаков:
| Признак |
Описание |
Единицы |
crim |
Уровень преступности на душу населения |
% |
zn |
Доля жилых зон для участков > 25,000 кв. футов |
% |
indus |
Доля промышленных площадей |
% |
chas |
Расположение у реки (1 = да, 0 = нет) |
бинарный |
nox |
Концентрация оксида азота (загрязнение воздуха) |
ppm |
rm |
Среднее количество комнат в доме |
количество |
age |
Доля домов, построенных до 1940 года |
% |
dis |
Средневзвешенное расстояние до центров занятости |
единицы |
rad |
Индекс доступности радиальных магистралей |
индекс |
tax |
Ставка налога на имущество |
$ за $10,000 |
ptratio |
Соотношение учеников к учителям |
число |
lstat |
% населения с низким статусом |
% |
medv |
Медианная стоимость дома (целевая переменная) |
$1000 |
Задание
- Загрузите датасет из прикрепленного файла
- Выберите 5 наиболее важных признаков для модели:
rm (количество комнат)lstat (% населения с низким статусом)ptratio (соотношение учеников к учителям)dis (расстояние до центров занятости)crim (уровень преступности)
- Создайте X (признаки) и y (целевая переменная
medv)
- Создайте и обучите модель LinearRegression
- Считайте из консоли количество домов для предсказания, затем для каждого дома поочередно считайте 5 характеристик:
-
rm (количество комнат)
-
lstat (% населения с низким статусом)
-
ptratio (соотношение учеников к учителям)
-
dis (расстояние до центров занятости)
-
crim (уровень преступности)
-
Сделайте предсказание цен для всех введенных домов
-
Формат ответа:
Для каждого дома выведите целую часть предсказанной цены на отдельной строке
Формат входных данных
Первая строка входных данных содержит целое число
n - количество домов для предсказания. Затем
n раз по 5 чисел с характеристиками каждого дома.
Формат выходных данных
Для каждого дома выведите целую часть предсказанной цены на отдельной строке.
Примечание
1) Для разделения данных на обучающую и тестовую выборки используйте следующие параметры:
test_size=0.2, random_state=42
Примеры
| № | Входные данные | Выходные данные |
|
1
|
2
6.0 13.0 22.0 3.4 0.8
8.0 3.0 12.0 12.4 0.1
|
18507
36489
|