평행 기울기 시각화하기
이전 연습 문제의 두 그래프는 매우 다른 예측을 보였어요. 하나는 수치형 변수에 따라 예측 반응이 선형으로 증가했고, 다른 하나는 범주마다 고정된 반응을 보였죠. 이 상충하는 두 예측을 조화시키는 유일하게 합리적인 방법은 두 설명 변수를 동시에 모델에 포함하는 것입니다.
수치형 변수와 범주형 변수가 함께 있는 선형 회귀 모델의 예측을 보여 주는 쉬운 "바로 사용 가능한" 방법은 seaborn에는 없어요.
taiwan_real_estate 데이터와, 적합된 모델 mdl_price_vs_both가 제공됩니다. seaborn은 sns로, matplotlib.pyplot은 plt로 임포트되어 있어요.
이 연습은 강의의 일부입니다
Python의 statsmodels로 배우는 중급 회귀
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____