Previsão manual de preços de imóveis
Você pode calcular manualmente as previsões a partir dos coeficientes do modelo. Ao fazer previsões na vida real, é melhor usar .predict(), mas fazer isso manualmente é útil para que você tenha certeza de que as previsões não são mágicas - são simplesmente aritméticas.
De fato, para uma regressão linear simples, o valor previsto é apenas a interceptação mais a inclinação vezes a variável explicativa.
$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$
mdl_price_vs_conv e explanatory_data estão disponíveis.
Este exercício faz parte do curso
Introdução à regressão com statsmodels em Python
Instruções do exercício
- Obtenha os coeficientes/parâmetros de
mdl_price_vs_conv, atribuindo-os acoeffs. - Obtenha o intercepto, que é o primeiro elemento de
coeffs, atribuindo-o aintercept. - Obtenha a inclinação, que é o segundo elemento de
coeffs, atribuindo aslope. - Preveja manualmente
price_twd_msqusando a fórmula, especificando a interceptação, a inclinação eexplanatory_data. - Execute o código para comparar suas previsões calculadas manualmente com os resultados de
.predict().
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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)))