Parallelle hellingen visualiseren
De twee grafieken in de vorige oefening gaven heel verschillende voorspellingen: de ene gaf een voorspelde respons die lineair toenam met een numerieke variabele; de andere gaf een vaste respons per categorie. De enige logische manier om deze twee conflicterende voorspellingen te verenigen, is om beide verklarende variabelen tegelijk in het model op te nemen.
Voor een lineair regressiemodel met een numerieke en een categorische verklarende variabele heeft seaborn geen makkelijke, kant-en-klare manier om de voorspellingen te tonen.
taiwan_real_estate is beschikbaar en mdl_price_vs_both is beschikbaar als getraind model. seaborn is geïmporteerd als sns en matplotlib.pyplot is geïmporteerd als plt.
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.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____