LoslegenKostenlos loslegen

Hauspreise manuell vorhersagen

Du kannst die Vorhersagen aus den Modellkoeffizienten auch manuell berechnen. Für Vorhersagen in der Praxis ist .predict() besser geeignet, aber die manuelle Rechnung zeigt dir, dass Vorhersagen keine Magie sind – es ist einfach nur Arithmetik.

Bei einer einfachen linearen Regression ist der vorhergesagte Wert schlicht der Achsenabschnitt plus der Steigungsfaktor mal die erklärende Variable.

$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$

mdl_price_vs_conv und explanatory_data sind verfügbar.

Diese Übung ist Teil des Kurses

Einführung in Regression mit statsmodels in Python

Kurs anzeigen

Anleitung zur Übung

  • Hole die Koeffizienten/Parameter von mdl_price_vs_conv und weise sie coeffs zu.
  • Hole den Achsenabschnitt, also das erste Element von coeffs, und weise ihn intercept zu.
  • Hole die Steigung, also das zweite Element von coeffs, und weise sie slope zu.
  • Sag price_twd_msq manuell mit der Formel voraus und gib intercept, slope und explanatory_data an.
  • Code ausführen, um deine manuell berechneten Vorhersagen mit den Ergebnissen von .predict() zu vergleichen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Get the coefficients of mdl_price_vs_conv
coeffs = ____

# Get the intercept
intercept = ____

# Get the slope
slope = ____

# Manually calculate the predictions
price_twd_msq = ____
print(price_twd_msq)

# Compare to the results from .predict()
print(price_twd_msq.assign(predictions_auto=mdl_price_vs_conv.predict(explanatory_data)))
Code bearbeiten und ausführen