Calculando previsões manualmente

Assim como na regressão linear simples, você também pode calcular manualmente as previsões a partir dos coeficientes do modelo. A única mudança no caso de inclinações paralelas é que a interseção é diferente para cada categoria da variável explanatória categórica. Isso significa que você precisa considerar separadamente o caso em que cada categoria ocorre.

taiwan_real_estate, mdl_price_vs_both e explanatory_data estão disponíveis; ic_0_15, ic_15_30, ic_30_45 e slope do exercício anterior também estão carregados.

Este exercicio faz parte do curso

Regressão Intermediária com statsmodels em Python

Ver curso

Instruções do exercicio

Defina uma lista, conditions, com três declarações condicionais: house_age_years é "0 to 15", house_age_years é "15 to 30" e house_age_years é "30 to 45".
Defina uma lista, choices, com as interseções extraídas de mdl_price_vs_both. Elas correspondem a cada uma das condições.
Crie um array de interseções usando np.select().
Crie prediction_data: comece com explanatory_data, atribua intercept como o array de interseções e price_twd_msq como as previsões calculadas manualmente.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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)

Editar e Executar Código