...
← Curs Machine Learning și AI pentru începători: toate lecțiile
Lecția 14 · Proiect

Mini-proiect: estimator naiv de prețuri

E timpul să pui cap la cap tot ce ai învățat: date, antrenare, test, baseline și MAE. Construiești un model puțin mai deștept decât media globală: el prezice prețul mediu pentru numărul de camere al apartamentului. Apoi verifici dacă bate baseline-ul.

Pasul 1: grupezi prețurile pe camere

Construiești un dicționar în care cheia e numărul de camere și valoarea e lista de prețuri. setdefault creează lista goală la prima întâlnire a unei chei:

apartamente = [
    (1, 62000), (1, 70000), (1, 66000),
    (2, 95000), (2, 105000), (2, 99000),
    (3, 135000), (3, 145000),
]
test = [(1, 68000), (2, 101000), (3, 150000)]

grupuri = {}
for camere, pret in apartamente:
    grupuri.setdefault(camere, []).append(pret)
print(grupuri)
{1: [62000, 70000, 66000], 2: [95000, 105000, 99000], 3: [135000, 145000]}
Exercițiul tău

Construiește modelul pe camere, evaluează-l pe 3 apartamente de test și compară-l cu baseline-ul media globală.

  • Calculează dicționarul medii (camere → preț mediu) din apartamente și afișează fiecare medie: 1 camere: 66000.00 euro.
  • Calculează media_globala a tuturor prețurilor din apartamente.
  • Calculează MAE pe test pentru modelul pe camere și pentru baseline.
  • Afișează MAE model pe camere: ... și MAE baseline: ..., cu 2 zecimale.
  • Afișează Modelul pe camere e mai bun: True (rezultatul comparației mae_model < mae_baseline).
Pentru MAE: sum(abs(pret - medii[camere]) for camere, pret in test) / len(test).

Soluția exercițiului

apartamente = [
    (1, 62000), (1, 70000), (1, 66000),
    (2, 95000), (2, 105000), (2, 99000),
    (3, 135000), (3, 145000),
]
test = [(1, 68000), (2, 101000), (3, 150000)]

grupuri = {}
for camere, pret in apartamente:
    grupuri.setdefault(camere, []).append(pret)

medii = {}
for camere, lista in grupuri.items():
    medii[camere] = sum(lista) / len(lista)
    print(f"{camere} camere: {medii[camere]:.2f} euro")

preturi = [pret for camere, pret in apartamente]
media_globala = sum(preturi) / len(preturi)

mae_model = sum(abs(pret - medii[camere]) for camere, pret in test) / len(test)
mae_baseline = sum(abs(pret - media_globala) for camere, pret in test) / len(test)

print(f"MAE model pe camere: {mae_model:.2f}")
print(f"MAE baseline: {mae_baseline:.2f}")
print("Modelul pe camere e mai bun:", mae_model < mae_baseline)
Excelent! Continuă cu lecția următoare →
Vrei să afli mai mult?Planul proiectului · Pasul 2: media pe fiecare grup · Pasul 3: MAE pe test, pentru ambele modele · Greșeli frecvente · Unde se folosește această idee

Planul proiectului

1
Datele de antrenare: perechi (camere, preț).
2
Modelul pe camere: un dicționar camere → prețul mediu pentru acel număr de camere.
3
Baseline: media tuturor prețurilor de antrenare.
4
Pe 3 apartamente de test calculezi MAE pentru ambele modele.
5
Compari: modelul care se uită la camere ar trebui să greșească mai puțin.
De ce e un model

Ca orice model, are antrenare (calculezi mediile pe grupuri) și predicție (cauți în dicționar media pentru camerele apartamentului nou). Este, de fapt, un tabel învățat din date.

Pasul 2: media pe fiecare grup

apartamente = [
    (1, 62000), (1, 70000), (1, 66000),
    (2, 95000), (2, 105000), (2, 99000),
    (3, 135000), (3, 145000),
]
test = [(1, 68000), (2, 101000), (3, 150000)]

grupuri = {}
for camere, pret in apartamente:
    grupuri.setdefault(camere, []).append(pret)

medii = {}
for camere, lista in grupuri.items():
    medii[camere] = sum(lista) / len(lista)
    print(f"{camere} camere: {medii[camere]:.2f} euro")
1 camere: 66000.00 euro
2 camere: 99666.67 euro
3 camere: 140000.00 euro

Dicționarul medii este modelul antrenat. Predicția pentru un apartament cu 2 camere este medii[2].

Pasul 3: MAE pe test, pentru ambele modele

Pentru fiecare apartament de test, modelul pe camere prezice medii[camere], iar baseline-ul prezice media globală. Aduni erorile absolute și împarți la 3.

  • mae_model = suma |real − medii[camere]| / 3
  • mae_baseline = suma |real − media_globala| / 3
Atenție

Dacă un apartament de test are 4 camere și în antrenare nu exista niciunul, medii[4] dă KeyError. Modelele reale trebuie să trateze și acest caz (de exemplu, cu media globală ca rezervă: medii.get(camere, media_globala)).

Greșeli frecvente

  • Calculezi mediile și din test: e scurgere de date. Mediile vin doar din apartamente.
  • **Uiți abs** la MAE.
  • Te bucuri că modelul e mai bun pe 3 exemple: cu atât de puține date, diferența poate fi noroc. Pe date reale, testul e mult mai mare.

Unde se folosește această idee

Prețuri de referință

„Prețul mediu pe mp în cartierul X” este exact un model pe grupuri.

Recomandări simple

„Cel mai vândut produs din categoria ta” e un model pe grupuri.

Baseline-uri

Echipele de date pornesc deseori cu un astfel de model înainte de modele complicate.

main.pyPython
ConsolăSe încarcă...
Mediul de lucru se încarcă. Poți citi lecția între timp.
Rulează codul cu butonul de sus sau cu Ctrl + Enter / Cmd + Enter.
Parcursul tău Ce este AI și Machine Learning Lecția 14 · Mini-proiect: estimator naiv de prețuri
Progres 0% 0 din 17
Lecția curentă 14 / 15 Proiect