Ev fiyatlarını elle tahmin etme

Model katsayılarından tahminleri elle hesaplayabilirsin. Gerçek hayatta tahmin yaparken .predict() kullanmak daha iyidir ama bunu elle yapmak, tahminlerin sihir olmadığını—sadece aritmetik olduğunu—kendine hatırlatman için faydalıdır.

Aslında, basit doğrusal regresyonda tahmin edilen değer, sadece kesişim terimi artı eğim çarpı açıklayıcı değişkendir.

$$\text{response} = \text{intercept} + \text{slope} * \text{explanatory}$$

mdl_price_vs_conv ve explanatory_data hazır.

Bu egzersiz

Python ile statsmodels kullanarak Regresyona Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

mdl_price_vs_conv modelinin katsayılarını/parametrelerini al ve coeffs değişkenine ata.
Kesişim terimini al; bu coeffs'in ilk elemanıdır, intercept değişkenine ata.
Eğim değerini al; bu coeffs'in ikinci elemanıdır, slope değişkenine ata.
Formülü kullanarak price_twd_msq değerini elle tahmin et; kesişimi, eğimi ve explanatory_datayı belirt.
Elle hesapladığın tahminleri .predict() sonuçlarıyla karşılaştırmak için kodu çalıştır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Get the coefficients of mdl_price_vs_conv
coeffs = ____

# Get the intercept
intercept = ____

# Get the slope
slope = ____

# Manually calculate the predictions
price_twd_msq = ____
print(price_twd_msq)

# Compare to the results from .predict()
print(price_twd_msq.assign(predictions_auto=mdl_price_vs_conv.predict(explanatory_data)))

Kodu Düzenle ve Çalıştır