1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Regresja średnio zaawansowana ze statsmodels w Pythonie
Connected

Exercise

Prognozowanie za pomocą modelu równoległych prostych

Chociaż seaborn potrafi automatycznie wyświetlać prognozy modelu przy użyciu sns.regplot(), aby móc korzystać z tych wartości w kodzie, musisz wykonać obliczenia samodzielnie.

Podobnie jak w przypadku jednej zmiennej objaśniającej, przepływ pracy składa się z dwóch kroków: utwórz DataFrame ze zmiennymi objaśniającymi, a następnie dodaj kolumnę z prognozami.

taiwan_real_estate jest dostępny, a mdl_price_vs_both jest dostępny jako dopasowany model. Biblioteki seaborn, ols(), matplotlib.pyplot, pandas i numpy są załadowane pod domyślnymi aliasami. Tak będzie przez cały pozostały czas trwania kursu. Ponadto dostępna jest także funkcja itertools.product.

Instrukcje 1/2

undefined XP
    1
    2
  • Utwórz n_convenience jako tablicę liczb od 0 do 10.
  • Wyodrębnij unikalne wartości kolumny house_age_years ze zbioru taiwan_real_estate do tablicy house_age_years.
  • Utwórz p, który powinien zawierać iloczyn kartezjański wszystkich wartości n_convenience i house_age_years.
  • Przekształć p w DataFrame i nadaj kolumnom nazwy "n_convenience" oraz "house_age_years".