LoslegenKostenlos loslegen

Hauspreise manuell vorhersagen

Du kannst die Vorhersagen manuell aus den Modellkoeffizienten berechnen. Wenn du im echten Leben Vorhersagen machst, ist es besser, .predict() zu verwenden. Aber wenn du das manuell machst, kannst du dir sicher sein, dass Vorhersagen keine Magie sind - sie sind einfach nur arithmetisch.

Bei einer einfachen linearen Regression ist der vorhergesagte Wert einfach der Achsenabschnitt plus die Steigung 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 die Regression mit statsmodels in Python

Kurs anzeigen

Anleitung zur Übung

  • Ermittelt die Koeffizienten/Parameter von mdl_price_vs_conv und ordnet sie coeffs zu.
  • Erhalte den Intercept, der das erste Element von coeffs ist, indem du ihn intercept zuweist.
  • Erhalte die Steigung, die das zweite Element von coeffs ist, indem du sie slope zuweist.
  • Sage die Formel price_twd_msq manuell voraus, indem du den Achsenabschnitt, die Steigung und explanatory_data angibst.
  • Führe den Code aus, 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