Memprediksi harga rumah
Mungkin fitur paling berguna dari model statistik seperti regresi linear adalah kemampuannya untuk membuat prediksi. Artinya, Anda menentukan nilai untuk setiap variabel penjelas, memberikannya ke model, lalu mendapatkan prediksi untuk variabel respons yang bersesuaian. Alur kodenya sebagai berikut.
explanatory_data = pd.DataFrame({"explanatory_var": list_of_values})
predictions = model.predict(explanatory_data)
prediction_data = explanatory_data.assign(response_var=predictions)
Di sini, Anda akan membuat prediksi untuk harga rumah pada himpunan data real estat Taiwan.
taiwan_real_estate tersedia. Model regresi linear yang telah dipasang untuk harga rumah terhadap jumlah minimarket tersedia sebagai mdl_price_vs_conv. Untuk latihan selanjutnya, ketika sebuah model disediakan, model tersebut juga sudah dipasang.
Latihan ini adalah bagian dari kursus
Pengantar Regresi dengan statsmodels di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Import numpy with alias np
____
# Create the explanatory_data
explanatory_data = pd.____({'____': np.____(____)})
# Print it
____