Prevendo com um modelo de inclinações paralelas
Embora o seaborn possa mostrar automaticamente as previsões do modelo usando sns.regplot(), para obter esses valores e programar com eles, você vai precisar fazer os cálculos por conta própria.
Assim como no caso de uma única variável explicativa, o fluxo de trabalho tem duas etapas: criar um DataFrame com as variáveis explicativas e depois adicionar uma coluna com as previsões.
taiwan_real_estate está disponível e mdl_price_vs_both está disponível como um modelo ajustado. seaborn, ols(), matplotlib.pyplot, pandas e numpy estão carregados com seus aliases padrão. Isso também será válido para o restante do curso. Além disso, ìtertools.product também está disponível.
Este exercicio faz parte do curso
Regressão Intermediária com statsmodels em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Extract the unique values of house_age_years
house_age_years = ____
# Create p as all combinations of values of n_convenience and house_age_years
p = ____(____, ____)
# Transform p to a DataFrame and name the columns
explanatory_data = ____
print(explanatory_data)