1. Learn
    2. /
  2. Курси
    3. /
  3. Вступ до Regression зі statsmodels у Python
Connected

вправа

Прогнозування цін на житло

Мабуть, найкорисніша властивість статистичних моделей, зокрема лінійної регресії, — це можливість робити прогнози. Тобто ви задаєте значення для кожної пояснювальної змінної, передаєте їх моделі й отримуєте прогноз для відповідної відгукової змінної. Послідовність коду така.

explanatory_data = pd.DataFrame({"explanatory_var": list_of_values})
predictions = model.predict(explanatory_data)
prediction_data = explanatory_data.assign(response_var=predictions)

Тут ви спрогнозуєте ціни на житло в наборі даних про нерухомість Тайваню.

taiwan_real_estate доступний. Підігнана модель лінійної регресії залежності ціни житла від кількості крамниць біля дому доступна як mdl_price_vs_conv. У подальших вправах, якщо модель доступна, її вже буде підігнано.

Інструкції 1/3

undefined XP
    1
    2
    3
  • Імпортуйте пакет numpy з псевдонімом np.
  • Створіть датафрейм пояснювальних даних, де кількість крамниць біля дому n_convenience набуває цілих значень від нуля до десяти.
  • Виведіть explanatory_data.