НачатьНачать бесплатно

Ручное предсказание цен на жильё

Вы можете вручную рассчитать предсказания на основе коэффициентов модели. В реальных задачах удобнее использовать .predict(), однако ручной расчёт помогает убедиться: предсказания — это не магия, а простая арифметика.

Для простой линейной регрессии предсказанное значение равно свободному члену плюс наклон, умноженный на значение объясняющей переменной.

$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$

mdl_price_vs_conv и explanatory_data уже доступны.

Это упражнение является частью курса

Введение в регрессию с statsmodels на Python

Посмотреть курс

Инструкции к упражнению

  • Получите коэффициенты модели mdl_price_vs_conv и сохраните их в переменную coeffs.
  • Извлеките свободный член — первый элемент coeffs — и сохраните его в переменную intercept.
  • Извлеките наклон — второй элемент coeffs — и сохраните его в переменную slope.
  • Вручную вычислите price_twd_msq по формуле, используя intercept, slope и explanatory_data.
  • Запустите код, чтобы сравнить результаты ручного расчёта с результатами метода .predict().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)))
Редактировать и запускать код