From a847c25479454f37ec185cbfd7a95c6549e0a307 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Pawe=C5=82=20Sk=C3=B3rzewski?= <pawel.skorzewski@amu.edu.pl>
Date: Thu, 24 Mar 2022 11:23:46 +0100
Subject: [PATCH] =?UTF-8?q?Rozbudowanie=20przyk=C5=82adu=2004?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 lab/04_scikit-learn.ipynb | 67 +++++++++++++++++++++++++++++++--------
 1 file changed, 54 insertions(+), 13 deletions(-)

diff --git a/lab/04_scikit-learn.ipynb b/lab/04_scikit-learn.ipynb
index a8bd380..60fb7f0 100644
--- a/lab/04_scikit-learn.ipynb
+++ b/lab/04_scikit-learn.ipynb
@@ -31,24 +31,57 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 2,
+   "execution_count": 12,
    "metadata": {},
    "outputs": [
     {
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "[[289411.43360715]\n",
-      " [285930.72623304]\n",
-      " [229893.92602325]\n",
-      " [823267.1750005 ]\n",
-      " [821038.18583152]\n",
-      " [356875.19267371]\n",
-      " [409340.86981766]\n",
-      " [278401.700237  ]\n",
-      " [301680.27997255]\n",
-      " [281051.71865054]]\n",
-      "Błąd średniokwadratowy wynosi  39595039990.2324\n"
+      "0        Polecam mieszkanie 2 pokojowe o metrażu 46,68...\n",
+      "1        Ekskluzywna oferta - tylko u nas! Projekt arc...\n",
+      "2        Polecam do kupna przestronne mieszkanie trzyp...\n",
+      "3        Dla rodziny albo pod wynajem. Świetna lokaliz...\n",
+      "4                                                     NaN\n",
+      "                              ...                        \n",
+      "4933     Trzypokojowe mieszkanie do generalnego remont...\n",
+      "4934     OKAZJA!! LUKSUSOWY APARTAMENT W SĄSIEDZTWIE P...\n",
+      "4935     Jest to oferta nieruchomości z rynku pierwotn...\n",
+      "4936     Mam do sprzedania dom mieszkalny, jednorodzin...\n",
+      "4937     Sprzedaż nowego mieszkania w FAŁKOWIE - Osied...\n",
+      "Name: opis, Length: 4938, dtype: object\n"
+     ]
+    }
+   ],
+   "source": [
+    "dataset_filename = 'flats.tsv'\n",
+    "data = pd.read_csv(dataset_filename, header=0, sep='\\t')\n",
+    "\n",
+    "print(data['opis'])\n",
+    "\n",
+    "data['ładne w opisie'] = data['opis'].apply(lambda x: True if 'ładne' in str(x) else False)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 15,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "[[302322.47270869]\n",
+      " [283694.74995925]\n",
+      " [276290.72977935]\n",
+      " [477362.89530745]\n",
+      " [420862.62245119]\n",
+      " [312510.3868097 ]\n",
+      " [362445.20969959]\n",
+      " [335753.83506582]\n",
+      " [759239.88142398]\n",
+      " [684376.72797254]]\n",
+      "Błąd średniokwadratowy wynosi  29811493540.217434\n"
      ]
     }
    ],
@@ -67,11 +100,12 @@
     "    'Liczba pięter w budynku',\n",
     "    'Piętro',\n",
     "    'Rok budowy',\n",
+    "    'ładne w opisie'\n",
     "]\n",
     "\n",
     "\n",
     "def preprocess(data):\n",
-    "    \"\"\"Wstępne przetworzenie danych\"\"\"\n",
+    "    \"\"\"Wstępne przetworzenie danych, np. zamiana wartości tekstowych na liczby\"\"\"\n",
     "    data = data.replace({'parter': 0, 'poddasze': 0}, regex=True)\n",
     "    data = data.applymap(np.nan_to_num)  # Zamienia \"NaN\" na liczby\n",
     "    return data\n",
@@ -81,7 +115,14 @@
     "\n",
     "# Wczytanie danych\n",
     "data = pd.read_csv(dataset_filename, header=0, sep='\\t')\n",
+    "\n",
+    "# Jeżeli chcemy, możemy stworzyć nową cechę (kolumnę) na podstawie istniejącej\n",
+    "# Poniższa cecha mówi, czy kolumna \"opis\" zawiera słowo \"ładne\"\n",
+    "data['ładne w opisie'] = data['opis'].apply(\n",
+    "    lambda x: True if 'ładne' in str(x) else False)\n",
+    "\n",
     "data = data[FEATURES + ['cena']]  # wybór cech\n",
+    "data = data[(data[\"Powierzchnia w m2\"] < 10000) & (data[\"cena\"] > 10000)]\n",
     "data = preprocess(data)  # wstępne przetworzenie danych\n",
     "\n",
     "# Podział danych na zbiory uczący i testowy\n",