Prédire avec des interactions
Comme pour tous les autres modèles de régression que vous avez créés, la partie la plus intéressante est de faire des prédictions. Heureusement, le déroulé du code est le même que sans interactions — statsmodels sait calculer les interactions sans intervention supplémentaire de votre part. La seule chose à bien retenir est l’astuce pour obtenir toutes les combinaisons de variables explicatives.
mdl_price_vs_both_inter est disponible en tant que modèle ajusté, itertools.product est chargé.
Cet exercice fait partie du cours
Régression intermédiaire avec statsmodels en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Extract the unique values of house_age_years
house_age_years = ____
# Create p as all combinations of values of n_convenience and house_age_years
p = ____
# Transform p to a DataFrame and name the columns
explanatory_data = ____
# Print it
print(explanatory_data)