Algoritmul regresiei liniare

Pentru a înțelege cu adevărat regresia liniară, este util să știi cum funcționează algoritmul. Codul funcției ols() are sute de linii, deoarece trebuie să funcționeze cu orice formulă și orice set de date. Totuși, în cazul regresiei liniare simple aplicată pe un singur set de date, poți implementa algoritmul în doar câteva linii de cod.

Fluxul de lucru este:

În primul rând, scrie o funcție care calculează suma pătratelor, folosind această sintaxă generală:

def function_name(args):
  # some calculations with the args
  return outcome

În al doilea rând, folosește funcția minimize() din scipy pentru a găsi coeficienții care minimizează această funcție.

Valorile explicative (coloana n_convenience din taiwan_real_estate) sunt disponibile ca x_actual. Valorile răspuns (coloana price_twd_msq din taiwan_real_estate) sunt disponibile ca y_actual.

minimize() este deja încărcată.

Acest exercițiu face parte din cursul

Regresie intermediară cu statsmodels în Python

Vezi cursul

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Complete the function
def calc_sum_of_squares(coeffs):
    # Unpack coeffs
    ____, ____ = ____
    # Calculate predicted y-values
    y_pred = ____ + ____ * ____
    # Calculate differences between y_pred and y_actual
    y_diff = ____ - ____
    # Calculate sum of squares
    sum_sq = ____
    # Return sum of squares
    return sum_sq
  
# Test the function with intercept 10 and slope 1
print(calc_sum_of_squares([10, 1]))

Editează și rulează codul