Hauspreise vorhersagen

Vielleicht das Nützlichste an statistischen Modellen wie der linearen Regression ist, dass du Vorhersagen machen kannst. Das heißt, du gibst Werte für jede erklärende Variable vor, lässt sie durch das Modell laufen und erhältst eine Vorhersage für die zugehörige Zielvariable. Der Code-Ablauf sieht so aus:

explanatory_data <- tibble(
  explanatory_var = some_values
)
explanatory_data %>%
  mutate(
    response_var = predict(model, explanatory_data)
  )

Hier erstellst du Vorhersagen für die Hauspreise im Taiwan-Immobiliendatensatz.

taiwan_real_estate ist verfügbar. Das lineare Regressionsmodell von Hauspreis gegenüber Anzahl der Convenience Stores ist als mdl_price_vs_conv verfügbar (drucke es aus und lies den Call, um zu sehen, wie es erstellt wurde); und dplyr ist geladen.