Memprediksi harga rumah secara manual
Anda dapat menghitung prediksi secara manual dari koefisien model. Saat membuat prediksi di dunia nyata, lebih baik menggunakan .predict(), tetapi melakukan ini secara manual membantu meyakinkan diri bahwa prediksi bukanlah hal magis — itu hanya perhitungan aritmetika.
Faktanya, untuk regresi linear sederhana, nilai prediksi hanyalah intersep ditambah kemiringan (slope) dikalikan variabel penjelas.
$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$
mdl_price_vs_conv dan explanatory_data tersedia.
Latihan ini adalah bagian dari kursus
Pengantar Regresi dengan statsmodels di Python
Petunjuk latihan
- Dapatkan koefisien/parameter dari
mdl_price_vs_conv, simpan kecoeffs. - Dapatkan intersep, yaitu elemen pertama dari
coeffs, simpan keintercept. - Dapatkan kemiringan (slope), yaitu elemen kedua dari
coeffs, simpan keslope. - Prediksi
price_twd_msqsecara manual menggunakan rumus, dengan menyertakan intersep, kemiringan, danexplanatory_data. - Jalankan kodenya untuk membandingkan prediksi yang dihitung manual dengan hasil dari
.predict().
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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)))