Ręczne obliczanie prognoz

Podobnie jak w przypadku prostej regresji liniowej, prognozy można obliczyć ręcznie na podstawie współczynników modelu. W modelu regresji o równoległych nachyleniach jedyna różnica polega na tym, że wyraz wolny jest inny dla każdej kategorii zmiennej objaśniającej. Oznacza to, że każdą kategorię należy rozpatrywać oddzielnie.

Dostępne są: taiwan_real_estate, mdl_price_vs_both oraz explanatory_data; z poprzedniego ćwiczenia załadowane są również ic_0_15, ic_15_30, ic_30_45 i slope.

To ćwiczenie jest częścią kursu

Regresja średnio zaawansowana ze statsmodels w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zdefiniuj listę conditions zawierającą trzy warunki: house_age_years równa się "0 to 15", house_age_years równa się "15 to 30" oraz house_age_years równa się "30 to 45".
Zdefiniuj listę choices zawierającą wyodrębnione wyrazy wolne z modelu mdl_price_vs_both. Każdy z nich odpowiada jednemu warunkowi.
Utwórz tablicę wyrazów wolnych za pomocą np.select().
Utwórz prediction_data: zacznij od explanatory_data, przypisz intercept jako tablicę wyrazów wolnych, a price_twd_msq jako ręcznie obliczone prognozy.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Define conditions
conditions = [____]

# Define choices
choices = [____]

# Create array of intercepts for each house_age_year category
intercept = ____(____, ____)

# Create prediction_data with columns intercept and price_twd_msq
prediction_data = ____.____(
			      ____ = ____,
  			      ____ = ____ + ____ * ____[____])

print(prediction_data)

Edytuj i uruchom kod