Prédire manuellement les prix des maisons
Vous pouvez calculer manuellement les prédictions à partir des coefficients du modèle. Dans la pratique, pour faire des prédictions, il vaut mieux utiliser .predict(), mais le faire à la main permet de confirmer qu'il n'y a rien de magique : ce n'est que de l'arithmétique.
En fait, pour une régression linéaire simple, la valeur prédite correspond à l'ordonnée à l'origine (intercept) plus la pente multipliée par la variable explicative.
$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$
mdl_price_vs_conv et explanatory_data sont disponibles.
Cette activité fait partie du cours
Introduction à la régression avec statsmodels en Python
Instructions de l’exercice
- Obtenez les coefficients/paramètres de
mdl_price_vs_convet assignez-les àcoeffs. - Récupérez l'ordonnée à l'origine (intercept), soit le premier élément de
coeffs, et assignez-la àintercept. - Récupérez la pente, soit le deuxième élément de
coeffs, et assignez-la àslope. - Prédisez manuellement
price_twd_msqen utilisant la formule, en précisant l'ordonnée à l'origine, la pente etexplanatory_data. - Exécutez le code pour comparer vos prédictions calculées manuellement aux résultats de
.predict().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)))