1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do regrese s knihovnou statsmodels v Pythonu
Connected

cvičení

Předpovídání cen nemovitostí

Jednou z nejužitečnějších vlastností statistických modelů, jako je lineární regrese, je možnost dělat předpovědi. Zadáš hodnoty pro každou vysvětlující proměnnou, předáš je modelu a získáš předpověď odpovídající cílové proměnné. Postup v kódu vypadá takto:

explanatory_data = pd.DataFrame({"explanatory_var": list_of_values})
predictions = model.predict(explanatory_data)
prediction_data = explanatory_data.assign(response_var=predictions)

V tomto cvičení budeš předpovídat ceny nemovitostí z tchajwanského datasetu.

Dataset taiwan_real_estate je k dispozici. Natrénovaný model lineární regrese ceny nemovitosti v závislosti na počtu obchodů je dostupný jako mdl_price_vs_conv. V dalších cvičeních platí, že pokud je model k dispozici, je zároveň i natrénovaný.

Pokyny 1/3

undefined XP
    1
    2
    3
  • Importuj balíček numpy pod aliasem np.
  • Vytvoř DataFrame s vysvětlujícími daty, kde počet obchodů n_convenience nabývá celých čísel od nuly do deseti.
  • Vypiš explanatory_data.