평행 기울기 모델로 예측하기
seaborn의 sns.regplot()은 모델 예측값을 자동으로 보여주지만, 그 값을 코드에서 활용하려면 직접 계산해야 해요.
단일 설명 변수를 사용할 때와 마찬가지로, 작업 흐름은 두 단계입니다. 먼저 설명 변수들로 이루어진 DataFrame을 만들고, 그다음 예측값 열을 추가하세요.
taiwan_real_estate가 준비되어 있고, 적합된 모델 mdl_price_vs_both도 사용할 수 있어요. seaborn, ols(), matplotlib.pyplot, pandas, numpy는 기본 별칭으로 로드되어 있습니다. 이 설정은 강의의 나머지 부분에서도 동일합니다. 추가로 ìtertools.product도 사용할 수 있어요.
이 연습은 강의의 일부입니다
Python의 statsmodels로 배우는 중급 회귀
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)