Cel mai simplu model: media
Care e cel mai simplu model care prezice prețul unui apartament? Unul care spune mereu același preț: media prețurilor cunoscute. Pare o glumă, dar acest model are un nume, baseline (model de bază), și orice model serios trebuie să-l bată.
Un model care nu se uită la nimic
Imaginează-ți că un prieten te întreabă „Cât costă un apartament în Cluj?” fără să-ți spună nimic despre el. Cel mai bun răspuns pe care îl poți da: prețul mediu al apartamentelor pe care le știi.
Acesta este un model: primește un apartament (oricare) și întoarce o predicție. Doar că ignoră toate caracteristicile și dă mereu același număr.
preturi = [90000, 120000, 75000] media = sum(preturi) / len(preturi) print(media)
95000.0
Construiește modelul medie pentru prețurile a 6 apartamente.
- Pornește de la lista preturi din editor.
- Calculează media cu sum și len.
- Afișează Predicție pentru orice apartament: ... euro, cu media rotunjită la 2 zecimale (f"{media:.2f}").
Soluția exercițiului
preturi = [98000, 139000, 76000, 165000, 112000, 85000]
media = sum(preturi) / len(preturi)
print(f"Predicție pentru orice apartament: {media:.2f} euro") Vrei să afli mai mult?„Antrenarea” modelului medie · De ce ne trebuie un baseline · Media și valorile extreme · Greșeli frecvente · Baseline-uri în lumea reală
„Antrenarea” modelului medie
Chiar și acest model are o fază de antrenare: calculezi media din datele cunoscute. Apoi, la predicție, o folosești pentru orice apartament nou:
preturi = [90000, 120000, 75000, 105000]
# antrenare: învățăm un singur număr
media = sum(preturi) / len(preturi)
# predicție: același număr pentru orice apartament
def prezice(apartament):
return media
print(prezice({"suprafata": 40}))
print(prezice({"suprafata": 120}))97500.0 97500.0
Un model are mereu două faze: antrenarea (învață din date) și predicția (folosește ce a învățat pe date noi). La modelul medie, tot ce învață este un singur număr.
De ce ne trebuie un baseline
Când construiești un model complicat, trebuie să știi dacă a meritat efortul. Compari mereu cu modelul cel mai simplu posibil:
Vei măsura „cât de mult greșește” în lecțiile 10 și 11.
Media și valorile extreme
Media e sensibilă la valori foarte mari. Un penthouse de 900.000 de euro trage în sus media tuturor:
preturi = [90000, 95000, 100000, 900000]
print(f"Media: {sum(preturi) / len(preturi):.0f} euro")Media: 296250 euro
Pentru 3 din 4 apartamente, predicția este mult prea mare. De aceea uneori baseline-ul folosește mediana (valoarea din mijloc). Vei vedea mediana în lecția 17.
Greșeli frecvente
- Împărțirea la un număr scris de mână: sum(preturi) / 6 se strică dacă adaugi un apartament. Folosește len(preturi).
- Afișarea cu prea multe zecimale: 100833.33333333333 arată urât. Rotunjește cu round(x, 2) sau cu f"{x:.2f}".
- Sărirea peste baseline: fără el, nu știi dacă un scor de „eroare 15.000 euro” e bun sau prost.
Baseline-uri în lumea reală
Baseline: temperatura de mâine = temperatura de azi. Modelele meteo trebuie să bată asta.
Baseline: vânzările de luna viitoare = media ultimelor 3 luni.
Baseline: „niciun mesaj nu e spam”. Pare bun dacă spamul e rar, dar e inutil.
