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 catégorielle. Le code pour modéliser et prédire avec deux variables explicatives numériques est identique, à une légère différence près dans la façon de spécifier les variables explicatives pour lesquelles faire des prédictions.
Ici, vous allez modéliser et prédire les prix des logements en fonction du nombre de supérettes à proximité et de la racine carrée de la distance à la station de MRT la plus proche.
taiwan_real_estate est disponible avec la variable transformée en racine carrée sqrt_dist_to_mrt_m. itertools.product est également 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.
# 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)