Handmatig huizenprijzen voorspellen

Je kunt de voorspellingen handmatig berekenen op basis van de modelcoëfficiënten. In de praktijk is het beter om .predict() te gebruiken, maar dit handmatig doen helpt om te zien dat voorspellingen geen magie zijn: het is gewoon rekenwerk.

Bij een eenvoudige lineaire regressie is de voorspelde waarde simpelweg de intercept plus de helling maal de verklarende variabele.

$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$

mdl_price_vs_conv en explanatory_data zijn beschikbaar.

Deze oefening maakt deel uit van de cursus

Introductie tot regressie met statsmodels in Python

Cursus bekijken

Oefeninstructies

Haal de coëfficiënten/parameters van mdl_price_vs_conv op en wijs ze toe aan coeffs.
Haal de intercept op (het eerste element van coeffs) en wijs toe aan intercept.
Haal de helling op (het tweede element van coeffs) en wijs toe aan slope.
Voorspel price_twd_msq handmatig met de formule, met de intercept, de helling en explanatory_data.
Voer de code uit om je handmatig berekende voorspellingen te vergelijken met de resultaten van .predict().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Get the coefficients of mdl_price_vs_conv
coeffs = ____

# Get the intercept
intercept = ____

# Get the slope
slope = ____

# Manually calculate the predictions
price_twd_msq = ____
print(price_twd_msq)

# Compare to the results from .predict()
print(price_twd_msq.assign(predictions_auto=mdl_price_vs_conv.predict(explanatory_data)))

Code bewerken en uitvoeren