Visualizing parallel slopes
Los dos gráficos del ejercicio anterior dieron predicciones muy distintas: uno predecía una respuesta que aumentaba linealmente con una variable numérica; el otro daba una respuesta fija para cada categoría. La única manera razonable de reconciliar estas dos predicciones en conflicto es incluir ambas variables explicativas en el modelo a la vez.
En un modelo de regresión lineal con una variable explicativa numérica y otra categórica, seaborn no tiene una forma sencilla, "lista para usar", de mostrar las predicciones.
taiwan_real_estate está disponible y mdl_price_vs_both está disponible como modelo ajustado. seaborn está importado como sns y matplotlib.pyplot como plt.
Este ejercicio forma parte del curso
Regresión intermedia con statsmodels en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____