Прогнозування за моделлю паралельних нахилів
Хоча seaborn може автоматично показувати прогнози моделі за допомогою sns.regplot(), щоб отримати ці значення для подальшого використання в коді, обчислення доведеться виконати самостійно.
Так само, як і у випадку з однією пояснювальною змінною, робочий процес має два кроки: створити датафрейм із пояснювальних змінних, а потім додати стовпець із прогнозами.
taiwan_real_estate доступний, а mdl_price_vs_both доступна як навчена модель. seaborn, ols(), matplotlib.pyplot, pandas і numpy завантажені з типовими псевдонімами. Так буде й надалі протягом курсу. Крім того, доступний також ìtertools.product.
Ця вправа є частиною курсу
Середній рівень регресії зі statsmodels у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)