Paralel eğimleri görselleştirme
Önceki egzersizdeki iki grafik çok farklı tahminler verdi: Biri sayısal bir değişkenle birlikte yanıtın doğrusal olarak arttığını, diğeri ise her kategori için sabit bir yanıt olduğunu gösterdi. Bu iki çelişen tahmini uzlaştırmanın mantıklı yolu, her iki açıklayıcı değişkeni de aynı anda modele dahil etmektir.
Sayısal ve kategorik bir açıklayıcı değişkene sahip doğrusal regresyon modeli söz konusu olduğunda, seaborn tahminleri göstermenin kutudan çıktığı gibi kolay bir yoluna sahip değildir.
taiwan_real_estate hazır ve mdl_price_vs_both uyumlanmış bir model olarak mevcut. seaborn sns takma adıyla, matplotlib.pyplot ise plt takma adıyla içe aktarılmıştır.
Bu egzersiz, kursun bir parçasıdır
Python ile statsmodels'da Orta Düzey Regresyon
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Extract the model coefficients, coeffs
coeffs = ____
# Print coeffs
print(coeffs)
# Assign each of the coeffs
____, ____, ____, ____ = ____