การพยากรณ์ราคาบ้าน
หนึ่งในประโยชน์ที่สำคัญที่สุดของโมเดลทางสถิติ เช่น linear regression คือความสามารถในการพยากรณ์ นั่นคือ กำหนดค่าให้กับตัวแปรอธิบาย (explanatory variables) แต่ละตัว แล้วส่งค่าเหล่านั้นเข้าสู่โมเดล เพื่อรับค่าพยากรณ์ของตัวแปรตอบสนอง (response variable) ที่สอดคล้องกัน โดยมีขั้นตอนการเขียนโค้ดดังนี้
explanatory_data = pd.DataFrame({"explanatory_var": list_of_values})
predictions = model.predict(explanatory_data)
prediction_data = explanatory_data.assign(response_var=predictions)
ในแบบฝึกหัดนี้ จะได้พยากรณ์ราคาบ้านจากชุดข้อมูลอสังหาริมทรัพย์ในไต้หวัน
ชุดข้อมูล taiwan_real_estate พร้อมใช้งานแล้ว โมเดล linear regression ที่ฟิตแล้วสำหรับราคาบ้านเทียบกับจำนวนร้านสะดวกซื้อมีชื่อว่า mdl_price_vs_conv สำหรับแบบฝึกหัดถัดไป โมเดลที่ให้มาจะถูกฟิตไว้เรียบร้อยแล้วเช่นกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การถดถอยเบื้องต้นด้วย statsmodels ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import numpy with alias np
____
# Create the explanatory_data
explanatory_data = pd.____({'____': np.____(____)})
# Print it
____