予測値を手動で計算する

単回帰と同様に、モデルの係数から予測値を手動で計算することもできます。平行傾斜の場合に唯一変わる点は、カテゴリー変数の各カテゴリーごとに切片が異なることです。つまり、各カテゴリーが発生する場合を個別に考える必要があります。

taiwan_real_estate、mdl_price_vs_both、explanatory_data が使用できます。また、前の演習で作成した ic_0_15、ic_15_30、ic_30_45、slope も読み込まれています。

この演習はコースの一部です

statsmodels を使った中級 Regression

コースを見る

演習の手順

conditions リストを定義します。このリストには、house_age_years が "0 to 15" である、house_age_years が "15 to 30" である、house_age_years が "30 to 45" である、という3つの条件文を含めます。
choices リストを定義します。このリストには、mdl_price_vs_both から抽出した切片を、それぞれの条件に対応する形で含めます。
np.select() を使って切片の配列を作成します。
prediction_data を作成します。explanatory_data を基に、intercept には切片の配列を、price_twd_msq には手動で計算した予測値を割り当てます。

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。

# 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)

コードを編集して実行