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.
Toto cvičení je součástí kurzu
Úvod do regrese s knihovnou statsmodels v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import numpy with alias np
____
# Create the explanatory_data
explanatory_data = pd.____({'____': np.____(____)})
# Print it
____