Ponowne przewidywanie
Przeszedłeś już kilka razy przez proces przewidywania, korzystając z różnych kombinacji zmiennych objaśniających. Czas zrobić to jeszcze raz – tym razem na modelu z trzema zmiennymi objaśniającymi. Użyjesz modelu z interakcjami trzech zmiennych, choć kod jest taki sam jak w przypadku pozostałych modeli z poprzedniego ćwiczenia.
Dostępne są: taiwan_real_estate i mdl_price_vs_all_3_way_inter. Załadowany jest moduł itertools.product.
To ćwiczenie jest częścią kursu
Regresja średnio zaawansowana ze statsmodels w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Create sqrt_dist_to_mrt_m as an array of numbers from 0 to 80 in steps of 10
sqrt_dist_to_mrt_m = ____
# Create house_age_years with unique values
house_age_years = ____
# Create p as all combinations of n_convenience, sqrt_dist_to_mrt_m, and house_age_years, in that order
p = ____
# Transform p to a DataFrame and name the columns
explanatory_data = ____
# See the result
print(explanatory_data)