1. Nauka
    2. /
  2. Kursy
    3. /
  3. Regresja średnio zaawansowana ze statsmodels w Pythonie
Connected

ćwiczenie

Modelowanie dwóch numerycznych zmiennych objaśniających

Wiesz już, jak budować model i tworzyć prognozy dla numerycznej i kategorycznej zmiennej objaśniającej. Kod do modelowania i prognozowania z dwiema numerycznymi zmiennymi objaśniającymi wygląda podobnie – jedyna różnica dotyczy sposobu określania zmiennych objaśniających podczas tworzenia prognoz.

Tutaj zbudujesz model prognozowania cen domów na podstawie liczby pobliskich sklepów spożywczych oraz pierwiastka kwadratowego z odległości do najbliższej stacji MRT.

taiwan_real_estate jest dostępny ze zmienną przekształconą pierwiastkiem kwadratowym sqrt_dist_to_mrt_m. Załadowano również itertools.product.

Instrukcje 1/2

undefined XP
    1
    2
  • Dopasuj model regresji liniowej ceny domu względem liczby sklepów spożywczych i pierwiastka kwadratowego z odległości do najbliższej stacji MRT, bez interakcji, korzystając ze zbioru danych taiwan_real_estate.