पैरालेल स्लोप्स लीनियर रिग्रेशन फिट करना
Introduction to Regression with statsmodels in Python में, आपने एक ही explanatory वैरिएबल के साथ linear regression मॉडल फिट करना सीखा था. कई बार केवल एक explanatory वैरिएबल उपयोग करने से predictions की सटीकता सीमित हो जाती है. Linear regression में महारत पाने के लिए, आपको एक से अधिक explanatory वैरिएबल वाले regression मॉडल फिट करना आना चाहिए.
जब एक numeric explanatory वैरिएबल और एक categorical explanatory वैरिएबल हो, तो इसे कभी-कभी "parallel slopes" linear regression कहा जाता है, क्योंकि predictions का आकार वैसा दिखता है — इसके बारे में अगले अभ्यास में और जानेंगे.
यहाँ, आप Taiwan real estate डेटासेट पर वापस आएँगे. प्रत्येक वैरिएबल का अर्थ याद कीजिए.
| Variable | Meaning |
|---|---|
dist_to_mrt_station_m |
निकटतम MRT मेट्रो स्टेशन तक दूरी, मीटर में. |
n_convenience |
पैदल दूरी में उपलब्ध convenience स्टोर्स की संख्या. |
house_age_years |
घर की उम्र, वर्षों में, 3 समूहों में. |
price_twd_msq |
यूनिट एरिया पर घर की कीमत, New Taiwan dollars प्रति वर्ग मीटर. |
taiwan_real_estate उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
इंटरमीडिएट Regression with statsmodels in Python
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import ols from statsmodels.formula.api
____
# Fit a linear regression of price_twd_msq vs. n_convenience
mdl_price_vs_conv = ____
# Print the coefficients
print(____)