Kom igångKom igång gratis

Förutsäg huspriser manuellt

Du kan beräkna modellens förutsägelser manuellt utifrån koefficienterna. I praktiken är det bättre att använda .predict(), men att göra det manuellt är ett bra sätt att bekräfta att förutsägelser inte är någon magi – det handlar helt enkelt om aritmetik.

För en enkel linjär regression är det förutsagda värdet just interceptet plus lutningen multiplicerad med den förklarande variabeln.

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

mdl_price_vs_conv och explanatory_data är tillgängliga.

Den här övningen är en del av kursen

Introduktion till regression med statsmodels i Python

Visa kurs

Övningsinstruktioner

  • Hämta koefficienterna/parametrarna för mdl_price_vs_conv och tilldela dem till coeffs.
  • Hämta interceptet, som är det första elementet i coeffs, och tilldela det till intercept.
  • Hämta lutningen, som är det andra elementet i coeffs, och tilldela den till slope.
  • Förutsäg price_twd_msq manuellt med hjälp av formeln, där du anger interceptet, lutningen och explanatory_data.
  • Kör koden för att jämföra dina manuellt beräknade förutsägelser med resultaten från .predict().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)))
Redigera och kör kod