주택 가격 예측하기
선형 회귀 같은 통계 모델의 가장 유용한 기능 중 하나는 예측을 할 수 있다는 점입니다. 즉, 각 설명 변수의 값을 지정해 모델에 넣으면, 그에 대응하는 반응 변수의 예측값을 얻을 수 있습니다. 코드 흐름은 다음과 같습니다.
explanatory_data = pd.DataFrame({"explanatory_var": list_of_values})
predictions = model.predict(explanatory_data)
prediction_data = explanatory_data.assign(response_var=predictions)
이제 Taiwan 부동산 데이터셋에서 주택 가격을 예측해 보겠습니다.
taiwan_real_estate가 제공됩니다. 편의점 수에 따른 주택 가격의 적합된 선형 회귀 모델 mdl_price_vs_conv도 준비되어 있습니다. 앞으로의 연습 문제에서도 모델이 제공될 때는 이미 적합된 상태로 제공됩니다.
이 연습은 강의의 일부입니다
Python에서 statsmodels로 살펴보는 회귀 소개
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import numpy with alias np
____
# Create the explanatory_data
explanatory_data = pd.____({'____': np.____(____)})
# Print it
____