Prévision manuelle des prix de l'immobilier
Vous pouvez calculer manuellement les prédictions à partir des coefficients du modèle. Lorsque vous faites des prédictions dans la vie réelle, il est préférable d'utiliser .predict(), mais il est utile de le faire manuellement pour vous rassurer sur le fait que les prédictions ne sont pas magiques - elles sont simplement arithmétiques.
En fait, pour une régression linéaire simple, la valeur prédite est simplement l'ordonnée à l'origine 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.
Cet exercice fait partie du cours
Introduction à la régression avec statsmodels en Python
Instructions
- Obtenez les coefficients/paramètres de
mdl_price_vs_conv, en les attribuant àcoeffs. - Obtenez l'interception, qui est le premier élément de
coeffs, en l'affectant àintercept. - Obtenez la pente, qui est le deuxième élément de
coeffs, en l'affectant àslope. - Prédisez manuellement
price_twd_msqà l'aide de la formule, en spécifiant 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 cet exemple de code.
# 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)))