Calcolare manualmente le previsioni

Come per la regressione lineare semplice, puoi anche calcolare manualmente le previsioni a partire dai coefficienti del modello. L’unica differenza nel caso delle pendenze parallele è che l’intercetta cambia per ciascuna categoria della variabile esplicativa categorica. Questo significa che devi considerare separatamente il caso in cui si presenta ognuna delle categorie.

taiwan_real_estate, mdl_price_vs_both ed explanatory_data sono disponibili; ic_0_15, ic_15_30, ic_30_45 e slope dall’esercizio precedente sono già caricati.

Questo esercizio fa parte del corso

Regressione intermedia con statsmodels in Python

Visualizza corso

Istruzioni dell'esercizio

Definisci una lista, conditions, con tre istruzioni condizionali: house_age_years è "0 to 15", house_age_years è "15 to 30" e house_age_years è "30 to 45".
Definisci una lista, choices, con gli intercetti estratti da mdl_price_vs_both. Corrispondono a ciascuna delle condizioni.
Crea un array di intercetti usando np.select().
Crea prediction_data: parti da explanatory_data, assegna intercept come l’array di intercetti e price_twd_msq come le previsioni calcolate manualmente.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Define conditions
conditions = [____]

# Define choices
choices = [____]

# Create array of intercepts for each house_age_year category
intercept = ____(____, ____)

# Create prediction_data with columns intercept and price_twd_msq
prediction_data = ____.____(
			      ____ = ____,
  			      ____ = ____ + ____ * ____[____])

print(prediction_data)

Modifica ed esegui il codice