Paralel eğimli bir modelle tahmin yapma
sns.regplot() kullanarak seaborn sana model tahminlerini otomatik gösterebilir, ancak bu değerlere program içinde erişmek istiyorsan hesaplamaları kendin yapman gerekir.
Tıpkı tek bir açıklayıcı değişken durumunda olduğu gibi, iş akışı iki adımdan oluşur: önce açıklayıcı değişkenlerden bir DataFrame oluştur, sonra da tahminleri içeren bir sütun ekle.
taiwan_real_estate mevcut ve mdl_price_vs_both uyumlanmış bir model olarak mevcut. seaborn, ols(), matplotlib.pyplot, pandas ve numpy varsayılan kısaltmalarıyla yüklü. Kursun geri kalanında da bu böyle olacak. Ek olarak, ìtertools.product da mevcut.
Bu egzersiz, kursun bir parçasıdır
Python ile statsmodels'da Orta Düzey Regresyon
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create n_convenience as an array of numbers from 0 to 10
n_convenience = ____
# Extract the unique values of house_age_years
house_age_years = ____
# Create p as all combinations of values of n_convenience and house_age_years
p = ____(____, ____)
# Transform p to a DataFrame and name the columns
explanatory_data = ____
print(explanatory_data)