平行傾斜モデルで予測する
seaborn では sns.regplot() を使うとモデルの予測値を自動的に表示できますが、その値をプログラムで扱うには自分で計算する必要があります。
説明変数が1つの場合と同様に、作業の流れは2つのステップです。まず説明変数のデータフレームを作成し、次に予測値の列を追加します。
taiwan_real_estate は使用可能で、mdl_price_vs_both は学習済みモデルとして用意されています。seaborn、ols()、matplotlib.pyplot、pandas、numpy はそれぞれデフォルトのエイリアスとして読み込まれています。これはこのコースの残りの部分でも同様です。 さらに、ìtertools.product も使用可能です。
この演習はコースの一部です
statsmodels を使った中級 Regression
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Extract the unique values of house_age_years
house_age_years = ____
# Create p as all combinations of values of n_convenience and house_age_years
p = ____(____, ____)
# Transform p to a DataFrame and name the columns
explanatory_data = ____
print(explanatory_data)