ames-kaggle1

regression

data

kaggle

string

Published

June 1, 2023

Aufgabe

Berechnen Sie ein einfaches lineare Modell für die Ames House Price Kaggle Competition.

Hinweise:

Orientieren Sie sich im Übrigen an den allgemeinen Hinweisen des Datenwerks.

Lösung

Pakete starten

library(tidyverse)
library(easystats)

Daten importieren

d_train_path_online <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/ames-kaggle/train.csv"
d_test_path_online <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/ames-kaggle/test.csv"
d_train <- read_csv(d_train_path_online)
d_test <- read_csv(d_test_path_online)

Model definieren

m1 <- lm(SalePrice ~ OverallQual, data = d_train)

Neue Daten vorhersagen

m1_pred <- predict(m1, newdata = d_test)

Daten einreichen

d_subm <-
  d_test %>% 
  select(Id) %>% 
  mutate(SalePrice = m1_pred)

head(d_subm)

Id	SalePrice
1461	130972.9
1462	176408.7
1463	130972.9
1464	176408.7
1465	267280.3
1466	176408.7

write_csv(d_subm, file = "einreichen-kaggle-modell1-yeah.csv")

Categories:

regression
ames
kaggle
string

---
exname: ames-kaggle1
expoints: 1
extype: string
exsolution: NA
categories:
- regression
- data 
- kaggle
- string
- kaggle
date: '2023-06-01'
slug: ames-kaggle1
title: ames-kaggle1

---




# Aufgabe

Berechnen Sie ein einfaches lineare Modell für die [Ames House Price Kaggle Competition](https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques/data).


Hinweise:

- Orientieren Sie sich im Übrigen an den [allgemeinen Hinweisen des Datenwerks](https://datenwerk.netlify.app/hinweise).





</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Lösung



## Pakete starten

```{r message=FALSE}
library(tidyverse)
library(easystats)
```


## Daten importieren

```{r}
d_train_path_online <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/ames-kaggle/train.csv"
d_test_path_online <- "https://raw.githubusercontent.com/sebastiansauer/Lehre/main/data/ames-kaggle/test.csv"
d_train <- read_csv(d_train_path_online)
d_test <- read_csv(d_test_path_online)
```


## Model definieren


```{r}
m1 <- lm(SalePrice ~ OverallQual, data = d_train)
```


## Neue Daten vorhersagen


```{r}
m1_pred <- predict(m1, newdata = d_test)
```



## Daten einreichen


```{r}
d_subm <-
  d_test %>% 
  select(Id) %>% 
  mutate(SalePrice = m1_pred)

head(d_subm)
```


```{r eval = FALSE}
write_csv(d_subm, file = "einreichen-kaggle-modell1-yeah.csv")
```





---

Categories: 

- regression
- ames
- kaggle
- string