Расчёт прогнозов вручную
Как и в случае простой линейной регрессии, прогнозы модели можно вычислить вручную на основе коэффициентов. Единственное отличие для случая параллельных наклонов состоит в том, что точка пересечения с осью различается для каждой категории категориальной объясняющей переменной. Это означает, что необходимо рассматривать каждую категорию отдельно.
Доступны taiwan_real_estate, mdl_price_vs_both и explanatory_data; значения ic_0_15, ic_15_30, ic_30_45 и slope из предыдущего упражнения также загружены.
Это упражнение является частью курса
Промежуточная регрессия со statsmodels в Python
Инструкции к упражнению
- Определите список
conditions, содержащий три условных выражения:house_age_yearsравно"0 to 15",house_age_yearsравно"15 to 30"иhouse_age_yearsравно"30 to 45". - Определите список
choices, содержащий извлечённые точки пересечения изmdl_price_vs_both. Они соответствуют каждому из условий. - Создайте массив точек пересечения с помощью
np.select(). - Создайте
prediction_data: возьмите за основуexplanatory_data, добавьте столбецinterceptс массивом точек пересечения и столбецprice_twd_msqс рассчитанными вручную прогнозами.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)