Calculer manuellement les prédictions

Comme pour la régression linéaire simple, vous pouvez aussi calculer manuellement les prédictions à partir des coefficients du modèle. La seule différence dans le cas des pentes parallèles, c'est que la constante est différente pour chaque catégorie de la variable explicative catégorielle. Vous devez donc traiter séparément chaque cas selon la catégorie.

taiwan_real_estate, mdl_price_vs_both et explanatory_data sont disponibles ; ic_0_15, ic_15_30, ic_30_45 et slope de l'exercice précédent sont aussi chargés.

Cette activité fait partie du cours

Régression intermédiaire avec statsmodels en Python

Voir le cours

Instructions de l’exercice

Définissez une liste conditions avec trois expressions conditionnelles : house_age_years est "0 to 15", house_age_years est "15 to 30" et house_age_years est "30 to 45".
Définissez une liste choices avec les constantes extraites de mdl_price_vs_both. Elles correspondent à chacune des conditions.
Créez un tableau de constantes à l'aide de np.select().
Créez prediction_data : partez de explanatory_data, affectez intercept au tableau de constantes et price_twd_msq aux prédictions calculées manuellement.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)

Modifier et exécuter le code