Calcular predicciones manualmente

Como en la regresión lineal simple, también puedes calcular manualmente las predicciones a partir de los coeficientes del modelo. El único cambio en el caso de pendientes paralelas es que la intersección es distinta para cada categoría de la variable explicativa categórica. Esto significa que debes considerar por separado el caso en que aparece cada categoría.

taiwan_real_estate, mdl_price_vs_both y explanatory_data están disponibles; ic_0_15, ic_15_30, ic_30_45 y slope del ejercicio anterior también están cargados.

Este ejercicio forma parte del curso

Regresión intermedia con statsmodels en Python

Ver curso

Instrucciones del ejercicio

Define una lista, conditions, con tres condiciones: house_age_years es "0 to 15", house_age_years es "15 to 30" y house_age_years es "30 to 45".
Define una lista, choices, con las intersecciones extraídas de mdl_price_vs_both. Corresponden a cada una de las condiciones.
Crea un array de intersecciones usando np.select().
Crea prediction_data: empieza con explanatory_data, asigna intercept como el array de intersecciones y price_twd_msq como las predicciones calculadas manualmente.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Define conditions
conditions = [____]

# Define choices
choices = [____]

# Create array of intercepts for each house_age_year category
intercept = ____(____, ____)

# Create prediction_data with columns intercept and price_twd_msq
prediction_data = ____.____(
			      ____ = ____,
  			      ____ = ____ + ____ * ____[____])

print(prediction_data)

Editar y ejecutar código