Ancora previsioni
Hai già seguito più volte il flusso di lavoro per le previsioni con diverse combinazioni di variabili esplicative. È il momento di ripeterlo sul modello con tre variabili esplicative. Qui userai il modello con interazioni a 3 vie; il codice è lo stesso per qualunque dei tre modelli dell'esercizio precedente.
taiwan_real_estate e mdl_price_vs_all_3_way_inter sono disponibili. itertools.product è caricato.
Questo esercizio fa parte del corso
Regressione intermedia con statsmodels in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Create sqrt_dist_to_mrt_m as an array of numbers from 0 to 80 in steps of 10
sqrt_dist_to_mrt_m = ____
# Create house_age_years with unique values
house_age_years = ____
# Create p as all combinations of n_convenience, sqrt_dist_to_mrt_m, and house_age_years, in that order
p = ____
# Transform p to a DataFrame and name the columns
explanatory_data = ____
# See the result
print(explanatory_data)