# [МУЗЫКА] Мы обучили две регресионные модели на этих данных. Одна использует жилую площадь дома в квадратных футах, Другая основывается на более подробных признаках. Давайте теперь применим эти модели. Давайте посмотрим как мы можем использовать их для того, чтобы предсказать цены домов. Мы собираемся использовать эти обученные модели для того, чтобы предсказать цену трех домов. Трех домов из набора данных Первый дом... Я выбрал три разных дома, разных размеров, с отличающимися характеристиками, выглядящие по-разному, из разных районов. Давайте посмотрим на них. Первый дом из нашего набора данных и мы собираемся взять этот дом... Мы возьмём его из данных по продажам. То есть из моих данных по продажам, sales, я собираюсь выбрать дом, id которого равен некоторому заданному id. В записях округа есть id для каждого дома и это номер. Для этого дома это 5309 - я набираю с распечатки - 101200. Конкретный дом с конкретным id, и я выбираю его и если я введу house1, вы увидите, что это за дом. Вот характеристики этого дома, и он был продан в указанную дату за 620'000 долларов. В нём 4 спальни, две с четвертью ванные 2'400 квадратных фута жилой площади и так далее. Что вы можете сделать в блокноте iPython это вставить не только разметку, текст и код на питоне вы также можете добавить HTML и картинки. Давайте я покажу вам прямо сейчас, просто как пример, Я набираю xm и затем я собираюсь добавить изображение в блокнот изображение дома, которое я скачал с сайта округа. Изображение находится в моем каталоге, оно называется house house53, какой там был номер? 09101200 Это будет здорово. Когда я увижу фотографию дома, для которого мы будет делать предсказание. Ой, Наверно я где-то опечатался. Точно! Я забыл добавить .jpg Вот теперь здорово, вот фотография дома, цену которого мы предсказываем. Этот дом был продан в 2014 за 620'000 долларов. В нём четыре спальни, две с четвертью ванные. Он был построен в 1929. Давайте теперь посмотрим, что предскажет наша модель. У нас есть две модели. Давайте начнём с первой. Настоящая цена дома я напечатаю её, чтобы не забыть, это будет признак price в переменной house1 200 что-то, давайте я выведу это понятнее 620'000 долларов, цена дома. Давайте посмотрим, что предскажет моя первая модель Простая модель, которую мы обучили на основе площади в квадратных футах Я использую модель, вызываю метод predict передаю первый дом, переменная house1, и модель предсказывает 628'000 долларов, что на самом деле достаточно близко Это хорошо. Давайте посмотрим, что дало нам добавление дополнительных признаков вызываю my_features_model.predict:house1 Помните, в среднем эта модель с дополнительными признаками даёт бОльшую точность Теперь посмотрите на её предсказание 720'000 долларов, таким образом модель с предсказанием по площади дала лучший результат, чем модель с дополнительными признаками Мы видим, что хотя в среднем добавление признаков даёт большую точность предсказания Для этого конкретного дома простая модель сработала лучше чем сложная. Такое случается, и не всегда лучше срабатывает сложная модель но в среднем модель с дополнительными признаками будет давать точность выше. # [МУЗЫКА]