การ Fit โมเดล Parallel Slopes Linear Regression
ใน Introduction to Regression with statsmodels in Python คุณได้เรียนรู้การ fit โมเดล linear regression ด้วยตัวแปรอธิบายเพียงตัวเดียว แต่ในหลายกรณี การใช้ตัวแปรอธิบายเพียงตัวเดียวอาจจำกัดความแม่นยำของการพยากรณ์ หากต้องการเชี่ยวชาญ linear regression อย่างแท้จริง จำเป็นต้อง fit โมเดลที่มีตัวแปรอธิบายหลายตัว
กรณีที่มีตัวแปรอธิบายเชิงตัวเลขหนึ่งตัวและตัวแปรอธิบายเชิงหมวดหมู่หนึ่งตัว มักเรียกว่า "parallel slopes" linear regression ตามรูปแบบของเส้นพยากรณ์ — จะอธิบายเพิ่มเติมในแบบฝึกหัดถัดไป
ในแบบฝึกหัดนี้ จะกลับมาใช้ชุดข้อมูลอสังหาริมทรัพย์ไต้หวัน ทบทวนความหมายของแต่ละตัวแปรได้จากตารางด้านล่าง
| ตัวแปร | ความหมาย |
|---|---|
dist_to_mrt_station_m |
ระยะทางถึงสถานีรถไฟฟ้า MRT ที่ใกล้ที่สุด (หน่วย: เมตร) |
n_convenience |
จำนวนร้านสะดวกซื้อในระยะเดินถึง |
house_age_years |
อายุของบ้าน (หน่วย: ปี) แบ่งเป็น 3 กลุ่ม |
price_twd_msq |
ราคาบ้านต่อหน่วยพื้นที่ (หน่วย: ดอลลาร์ไต้หวันใหม่ต่อตารางเมตร) |
taiwan_real_estate พร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Regression ระดับกลางด้วย statsmodels ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import ols from statsmodels.formula.api
____
# Fit a linear regression of price_twd_msq vs. n_convenience
mdl_price_vs_conv = ____
# Print the coefficients
print(____)