Visualizzare le pendenze parallele
I due grafici dell’esercizio precedente davano previsioni molto diverse: uno forniva una risposta prevista che aumentava linearmente con una variabile numerica; l’altro dava una risposta fissa per ciascuna categoria. L’unico modo sensato per conciliare queste due previsioni in conflitto è includere entrambe le variabili esplicative nel modello contemporaneamente.
Per un modello di regressione lineare con una variabile esplicativa numerica e una categorica, seaborn non offre un modo semplice e “pronto all’uso” per mostrare le previsioni.
taiwan_real_estate è disponibile e mdl_price_vs_both è disponibile come modello già addestrato. seaborn è importato come sns e matplotlib.pyplot è importato come plt.
Questo esercizio fa parte del corso
Regressione intermedia con statsmodels in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____