[NHẠC] Chúng ta đã xem một ví dụ, và bây giờ
hãy nhìn vào ngôi nhà thứ hai. Tôi sẽ dự đoán cho ngôi nhà thứ hai tốt hơn. Hãy nhìn vào điều này. Hãy gọi nó là house2. House2 từ dữ liệu doanh số bán của chúng ta
nó sẽ lại là cái chúng ta sử dụng bộ lọc ở đây. Nó là ngôi nhà id của nó bằng với 1925069082. Hãy nhìn xem house2 trông thế nào. House2 được bán trong 2015 với 2.2 triệu đô. Nó có năm phòng ngủ, bốn và một phần tư phòng tắm,
nhiều phòng tắm hơn, 4,640 feet diện tích không gian sống,
vì thế nó lớn hơn rất nhiều. Nó có khoảng 460 mét vuông. Nó là một căn nhà khá rộng. Hãy nhìn vào hình ảnh. Tôi đã tải một hình ảnh của ngôi nhà này. Đây là trang sheet của tôi cho hình ảnh, và tôi sẽ chèn nó. Rồi scan, trước đó chúng ta sẽ làm một hình ảnh nguồn của nó. Đây tôi đã tải tới thư mục cơ bản ở đây. Nó được gọi là house-1925069082.jog, đóng, không phải jog mà là jpeg. Nó sẽ hoạt động. Nhớ rằng ngôi nhà kia có giá 620,000 đô. căn này có giá 2,2 triệu đô. Hãy nhìn vào ngôi nhà này. Trông có vẻ đẹp hơn. Nó rất mát, có một cái sân rộng. Nhưng hãy kiểm tra điều này. Trên mặt nước. Nó là hồ nước trước cửa nhà. Điều đó giải thích lý do tại sao nó có giá hai triệu đô. Nó đẹp hơn, đẹp hơn rất nhiều. Hãy xem cái mà mô hình của chúng ta dự đoán
cho giá trị của khối tài sản này. Nó có giá 2,2 triệu đô. Hãy xuất cái mà mô hình diện tích dự đoán. Giống như lần trước chúng ta sẽ làm dự đoán trên house2. Và nó dự đoán giá chỉ 1.25 triệu đô. Nó không làm tốt. Hãy nhìn cái mô hình nâng cao làm, my_features model.predict. Và trước đó tôi nhấn Enter ở đây, Thật tốt để bắt đầu nghĩ về điều gì sẽ xảy ra ở đây. Ngôi nhà khác, ngôi nhà bên trên,
ngôi nhà với nhiều đặc trưng hơn, nhiều đặc trưng hơn không tạo ra sự khác biết lớn
hay làm tệ đi, nó là một ngôi nhà chuẩn mực cho Seattle. Số lượng chuẩn phòng ngủ, phòng tắm, Nó là loại thông thường vì thế bạn mong đợi
cả hai mô hình làm giống nhau. Nhưng ngôi nhà này khá là kì lạ. Nó có các đặc trưng cái mà khó để nắm bắt
bởi vì diện tích. Nó có hồ nước phía trước. Nó có nhiều phòng tắm, nhiều phòng ngủ. Chúng ta mong đợi ở đây mô hình đặc trưng nâng cap làm tốt hơn. oh tôi đã sai chính tả. oh tôi quên, ở đây features_model. Xin lỗi vì điều này, nó đã thực sự hạ xuống từ cực điểm. Nhưng nếu chúng ta chạy nó, bạn thấy nó là 1,38 triệu đô. Nó gần hơn một chút. Bạn hãy nhớ trước đây sai số khác biệt là quá lớn nhưng ở đây nó gần hơn một chút tới giá trị đúng. Vì vậy nó làm tốt hơn trên ngôi nhà này. Bây giờ tới kết luận, Hãy làm một ngôi nhà thú vị hơn nữa, cái mà tôi sẽ nhìn, ngôi nhà thứ ba. ##Last house sẽ cực kì thú vị. Và thực tế cái mà chúng ta sẽ làm là lấy nhà của Bill Gates. Bill Gates sống ở vùng Seattle, và cố gắng dự đoán ngôi nhà trông thế nào. Nó có rất nhiều đặc điểm khác nhau. Và hơn là nhập chúng vào một, tôi sẽ dán chúng vào. Tôi sẽ dán chúng ở đây. Và đây là cái mà nhà Gates sẽ có nếu nó ở trong tập dữ liệu. Nó có tám phòng ngủ, hai mươi năm phòng tắm. Rõ ràng Bill Gates thực sự cần phải đi tắm. 25 phòng tắm, tối thiểu đây là cái đã nói trực tuyến. Nó có 50000 feet vuông. Khoảng 5000 mét vuông. Đó là một ngôi nhà lớn, bốn sàn, rất nhiều thứ. Đó là hình dạng ngôi nhà của ông ấy trông như thế nào. Chúng ta thực sự không biết giá trị ngôi nhà đó
bởi vì nó chưa từng được bán. Tôi đoán ông ấy không cần tiền. [cười] và hãy xem ngôi nhà đó thực sự trông thế nào. Tôi có một trang sheet ở đây với một đường link
với một hình ảnh ngôi nhà của ông ấy. Đây là một bức tranh về nhà của Bill Gates. Và chúng ta có ở đây. Oh xin lỗi về điều này. Tôi quên tôi phải làm , nói nó đó là cách đánh dấu. Thế là xong. Hãy xem cái mà mô hình dự đoán cho giá của ngôi nhà của Bill Gates. Tôi sẽ xuất cái my_features_model.predict nói về nhà của Bill Gates. Bây giờ những điều này là mô hình được tạo ra GraphLab và
chúng chỉ lấy SFrames như đầu vào. Tôi phải lấy từ điển đó cái mà tôi chỉ tạo ra để mô tả nhà của Bill Gates, và chuyển nó thành SFrame. Tôi chỉ nhập graphlab,SFrame(bill_gates). đó là từ điển cái mà chúng ta đã định nghĩa
bên trên, ở đây gọi là từ điển. Và sau đó chuyển tới SFrame, và tôi thực hiện. Và nó nói nó dự đoán
ngôi nhà có giá 13 triệu đô. Tôi không biết nữa. Nó nghe có vẻ rất nhiều nhưng ngôi nhà có thể đáng giá hơn 13 triêu đô. Ai mà biết được? Và điều đó thật tuyệt. Chúng ta đã xây dựng hai mô hình giá nhà sử dụng dữ liệu đếm. Chúng ta phát hiện ra nó, chúng ta sử dụng nó và chúng ta áp dụng nó với nhiệm vụ dự đoán nhà này. Thậm chí chúng ta thấy rằng nhà của Bill Gate thực sự có giá trị. [NHẠC]