Predicții cu un model cu pante paralele
Deși seaborn poate afișa automat predicțiile modelului folosind sns.regplot(), pentru a putea lucra cu acele valori în cod, va trebui să faci calculele tu însuți/tu însăți.
La fel ca în cazul unei singure variabile explicative, fluxul de lucru are două etape: creezi un DataFrame cu variabilele explicative, apoi adaugi o coloană cu predicțiile.
taiwan_real_estate este disponibil, iar mdl_price_vs_both este disponibil ca model ajustat. seaborn, ols(), matplotlib.pyplot, pandas și numpy sunt încărcate cu aliasurile lor implicite. Acest lucru va fi valabil și pentru restul cursului. În plus, itertools.product este disponibil.
Acest exercițiu face parte din cursul
Regresie intermediară cu statsmodels în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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)