Encore une prédiction
Vous avez déjà suivi plusieurs fois le flux de travail de prédiction avec différentes combinaisons de variables explicatives. Recommençons une fois de plus avec le modèle à trois variables explicatives. Ici, vous utiliserez le modèle avec interactions à trois voies ; le code reste toutefois identique pour chacun des trois modèles de l’exercice précédent.
taiwan_real_estate et mdl_price_vs_all_3_way_inter sont disponibles. 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 = ____
# Create sqrt_dist_to_mrt_m as an array of numbers from 0 to 80 in steps of 10
sqrt_dist_to_mrt_m = ____
# Create house_age_years with unique values
house_age_years = ____
# Create p as all combinations of n_convenience, sqrt_dist_to_mrt_m, and house_age_years, in that order
p = ____
# Transform p to a DataFrame and name the columns
explanatory_data = ____
# See the result
print(explanatory_data)