การคำนวณค่าพยากรณ์ด้วยตนเอง
เช่นเดียวกับการถดถอยเชิงเส้นอย่างง่าย คุณสามารถคำนวณค่าพยากรณ์จากค่าสัมประสิทธิ์ของโมเดลได้ด้วยตนเอง ความแตกต่างในกรณี parallel slopes คือค่า intercept จะแตกต่างกันในแต่ละหมวดหมู่ของตัวแปรอธิบายเชิงกลุ่ม ดังนั้นจึงต้องพิจารณาแต่ละหมวดหมู่แยกกัน
taiwan_real_estate, mdl_price_vs_both, และ explanatory_data พร้อมใช้งานแล้ว รวมถึง ic_0_15, ic_15_30, ic_30_45, และ slope จากแบบฝึกหัดก่อนหน้า
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Regression ระดับกลางด้วย statsmodels ใน Python
คำแนะนำการฝึกหัด
- กำหนดลิสต์
conditionsที่มีเงื่อนไข 3 ข้อ ได้แก่:house_age_yearsเป็น"0 to 15",house_age_yearsเป็น"15 to 30", และhouse_age_yearsเป็น"30 to 45" - กำหนดลิสต์
choicesโดยใช้ค่า intercept ที่ดึงมาจากmdl_price_vs_bothซึ่งสอดคล้องกับแต่ละเงื่อนไข - สร้างอาร์เรย์ของ intercept โดยใช้
np.select() - สร้าง
prediction_dataโดยเริ่มจากexplanatory_dataจากนั้นกำหนดinterceptเป็นอาร์เรย์ของ intercept และprice_twd_msqเป็นค่าพยากรณ์ที่คำนวณด้วยตนเอง
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)