Ręczne przewidywanie cen nieruchomości

Można ręcznie obliczyć prognozy na podstawie współczynników modelu. W praktyce lepiej korzystać z metody .predict(), jednak wykonanie tych obliczeń ręcznie pomaga uzmysłowić sobie, że prognozy to nie magia – to po prostu arytmetyka.

W prostej regresji liniowej przewidywana wartość to wyraz wolny plus nachylenie pomnożone przez zmienną objaśniającą.

$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$

mdl_price_vs_conv oraz explanatory_data są dostępne.

To ćwiczenie jest częścią kursu

Wprowadzenie do regresji z użyciem statsmodels w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Pobierz współczynniki modelu mdl_price_vs_conv i przypisz je do zmiennej coeffs.
Pobierz wyraz wolny, czyli pierwszy element zmiennej coeffs, i przypisz go do zmiennej intercept.
Pobierz nachylenie, czyli drugi element zmiennej coeffs, i przypisz je do zmiennej slope.
Ręcznie oblicz prognozowaną wartość price_twd_msq, korzystając z powyższego wzoru – podaj wyraz wolny, nachylenie oraz explanatory_data.
Uruchom kod, aby porównać ręcznie obliczone prognozy z wynikami metody .predict().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Get the coefficients of mdl_price_vs_conv
coeffs = ____

# Get the intercept
intercept = ____

# Get the slope
slope = ____

# Manually calculate the predictions
price_twd_msq = ____
print(price_twd_msq)

# Compare to the results from .predict()
print(price_twd_msq.assign(predictions_auto=mdl_price_vs_conv.predict(explanatory_data)))

Edytuj i uruchom kod