Modellen met twee numerieke verklarende variabelen
Je hebt al gezien hoe je een model maakt en voorspellingen doet met een numerieke en een categorische verklarende variabele. De code voor modelleren en voorspellen met twee numerieke verklarende variabelen is hetzelfde, op een klein verschil na in hoe je de verklarende variabelen opgeeft waartegen je wilt voorspellen.
Hier ga je woningprijzen modelleren en voorspellen op basis van het aantal nabijgelegen gemakswinkels en de vierkantswortel van de afstand tot het dichtstbijzijnde MRT-station.
taiwan_real_estate is beschikbaar met de vierkantswortel-getransformeerde variabele sqrt_dist_to_mrt_m. itertools.product is ook ingeladen.
Deze oefening maakt deel uit van de cursus
Gemiddelde regressie met statsmodels in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Fit linear regression of price vs. no. of conv. stores and sqrt dist. to nearest MRT, no interaction
mdl_price_vs_conv_dist = ____
# See the result
print(mdl_price_vs_conv_dist.params)