Predikce pomocí modelu s rovnoběžnými přímkami
I když seaborn dokáže predikce modelu zobrazit automaticky pomocí sns.regplot(), pro práci s těmito hodnotami v kódu si je musíš vypočítat sám/a.
Steně jako v případě jedné vysvětlující proměnné sestává postup ze dvou kroků: vytvoříš DataFrame s vysvětlujícími proměnnými a pak přidáš sloupec s predikcemi.
K dispozici máš taiwan_real_estate a mdl_price_vs_both jako natrénovaný model. seaborn, ols(), matplotlib.pyplot, pandas a numpy jsou načteny pod svými výchozími aliasy. To bude platit i pro zbytek kurzu. K dispozici je také itertools.product.
Toto cvičení je součástí kurzu
Intermediate Regression with statsmodels in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Extract the unique values of house_age_years
house_age_years = ____
# Create p as all combinations of values of n_convenience and house_age_years
p = ____(____, ____)
# Transform p to a DataFrame and name the columns
explanatory_data = ____
print(explanatory_data)