Modellierung mit zwei numerischen erklärenden Variablen
Du hast bereits gesehen, wie man mit einer numerischen und einer kategorischen erklärenden Variable ein Modell erstellt und Vorhersagen macht. Der Code für das Modellieren und Vorhersagen mit zwei numerischen erklärenden Variablen ist derselbe, abgesehen von einem kleinen Unterschied darin, wie die erklärenden Variablen für die Vorhersagen angegeben werden.
Hier modellierst du und sagst die Hauspreise anhand der Anzahl nahegelegener Convenience Stores und der Quadratwurzel der Entfernung zur nächsten MRT-Station voraus.
taiwan_real_estate ist mit der per Quadratwurzel transformierten Variable sqrt_dist_to_mrt_m verfügbar. itertools.product ist ebenfalls geladen.
Diese Übung ist Teil des Kurses
<Kurs>Fortgeschrittene Regression mit statsmodels in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Fit linear regression of price vs. no. of conv. stores and sqrt dist. to nearest MRT, no interaction
mdl_price_vs_conv_dist = ____
# See the result
print(mdl_price_vs_conv_dist.params)