Visualisera förutsägelser från parallella lutningsmodellen
För att kontrollera att du har rätt förutsägelser från föregående övning kan du lägga till dem i ett seaborn-diagram. När du visualiserar förutsägelser från en multipel regression använder du samma tillvägagångssätt som vid linjär regression: rita ett spridningsdiagram med en trendlinje och lägg sedan till ett andra lager med förutsägelsepunkter i samma diagram. Som du sett i en tidigare övning kan seaborn inte rita modellen med parallella lutningar direkt. Därför extraherar du först modellkoefficienterna på nytt innan du plottar förutsägelsepunkterna.
taiwan_real_estate och prediction_data är tillgängliga, och mdl_price_vs_both är tillgänglig som en anpassad modell.
Den här övningen är en del av kursen
Intermediär regression med statsmodels i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____