Paralel eğimli doğrusal regresyonu uyarlama
Introduction to Regression with statsmodels in Python dersinde, tek bir açıklayıcı değişkenli doğrusal regresyon modelleri uyarlamayı öğrendin. Birçok durumda, yalnızca bir açıklayıcı değişken kullanmak tahminlerin doğruluğunu sınırlar. Doğrusal regresyonda gerçekten ustalaşmak için birden fazla açıklayıcı değişkenli regresyon modelleri kurabilmelisin.
Bir adet sayısal ve bir adet kategorik açıklayıcı değişken olduğunda, tahminlerin şekli nedeniyle bu duruma bazen "paralel eğimler" doğrusal regresyonu denir — bununla ilgili daha fazlası sonraki egzersizde.
Burada, Tayvan emlak veri kümesine geri dönüyorsun. Her değişkenin anlamını hatırla.
| Variable | Meaning |
|---|---|
dist_to_mrt_station_m |
En yakın MRT metro istasyonuna mesafe (metre cinsinden). |
n_convenience |
Yürüme mesafesindeki market sayısı. |
house_age_years |
Evin yaşı (yıl olarak), 3 grupta. |
price_twd_msq |
Birim alan başına ev fiyatı (metrekare başına Yeni Tayvan doları). |
taiwan_real_estate hazır durumda.
Bu egzersiz, kursun bir parçasıdır
Python ile statsmodels'da Orta Düzey Regresyon
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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(____)