Modéliser deux variables explicatives numériques
Vous avez déjà vu comment créer un modèle et faire des prédictions avec une variable explicative numérique et une variable explicative catégorielle. Le code pour modéliser et prédire avec deux variables explicatives numériques est le même, à un léger détail près dans la façon de spécifier les variables explicatives pour lesquelles générer des prédictions.
Ici, vous allez modéliser et prédire le prix des maisons en fonction du nombre de dépanneurs à proximité et de la racine carrée de la distance jusqu'à la station de MRT la plus proche.
taiwan_real_estate est disponible et comprend la variable transformée par racine carrée sqrt_dist_to_mrt_m. itertools.product est aussi chargé.
Cette activité fait partie du cours
Régression intermédiaire avec statsmodels en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit linear regression of price vs. no. of conv. stores and sqrt dist. to nearest MRT, no interaction
mdl_price_vs_conv_dist = ____
# See the result
print(mdl_price_vs_conv_dist.params)