Prévision des prix de l'immobilier
La fonctionnalité la plus utile des modèles statistiques tels que la régression linéaire est peut-être la possibilité qu'ils offrent de faire des prévisions. En d'autres termes, vous définissez des valeurs pour chacune des variables explicatives, vous les intégrez au modèle et vous obtenez une prédiction pour la variable de réponse correspondante. Le flux du code est le suivant.
explanatory_data <- tibble(
explanatory_var = some_values
)
explanatory_data %>%
mutate(
response_var = predict(model, explanatory_data)
)
Ici, vous ferez des prévisions concernant les prix de l'immobilier dans l'ensemble de données sur l'immobilier à Taïwan.
taiwan_real_estate est disponible. Le modèle de régression linéaire du prix des logements par rapport au nombre de magasins de proximité est disponible comme mdl_price_vs_conv (imprimez-le et consultez l'appel pour voir comment il a été élaboré) ; et dplyr est chargé.
Cet exercice fait partie du cours
Introduction à la régression dans R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create a tibble with n_convenience column from zero to ten
explanatory_data <- ___