Modelagem com duas variáveis explicativas numéricas
Você já viu como criar um modelo e fazer previsões usando uma variável explicativa numérica e outra categórica. O código para modelar e prever com duas variáveis explicativas numéricas é o mesmo, com uma pequena diferença na forma de especificar as variáveis explicativas para as quais você quer prever.
Aqui, você vai modelar e prever os preços de casas em função do número de lojas de conveniência próximas e da raiz quadrada da distância até a estação de MRT mais próxima.
taiwan_real_estate está disponível com a variável transformada por raiz quadrada sqrt_dist_to_mrt_m. itertools.product também está carregado.
Este exercicio faz parte do curso
Regressão Intermediária com statsmodels em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Fit linear regression of price vs. no. of conv. stores and sqrt dist. to nearest MRT, no interaction
mdl_price_vs_conv_dist = ____
# See the result
print(mdl_price_vs_conv_dist.params)