1. 학습
    2. /
  2. 강의
    3. /
  3. Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Connected

연습 문제

Przewidywanie cen nieruchomości

Jedną z najbardziej przydatnych właściwości modeli statystycznych, takich jak regresja liniowa, jest możliwość tworzenia prognoz. Podajesz wartości zmiennych objaśniających, przekazujesz je do modelu i otrzymujesz prognozę dla odpowiedniej zmiennej zależnej. Schemat kodu wygląda następująco.

explanatory_data = pd.DataFrame({"explanatory_var": list_of_values})
predictions = model.predict(explanatory_data)
prediction_data = explanatory_data.assign(response_var=predictions)

W tym ćwiczeniu stworzysz prognozy cen nieruchomości na podstawie tajwańskiego zbioru danych o rynku nieruchomości.

Dostępny jest zbiór taiwan_real_estate. Dopasowany model regresji liniowej ceny nieruchomości względem liczby sklepów convenience jest dostępny jako mdl_price_vs_conv. W kolejnych ćwiczeniach każdy dostępny model będzie już dopasowany.

지침 1/3

undefined XP
    1
    2
    3
  • Zaimportuj pakiet numpy z aliasem np.
  • Utwórz DataFrame z danymi objaśniającymi, w którym liczba sklepów convenience, n_convenience, przyjmuje wartości całkowite od zera do dziesięciu.
  • Wyświetl explanatory_data.