1. Learn
    2. /
  2. Курси
    3. /
  3. Середній рівень регресії зі statsmodels у Python
Connected

Вправа

Підгонка лінійної регресії з паралельними нахилами

У курсі Introduction to Regression with statsmodels in Python ви вчилися підганяти моделі лінійної регресії з однією пояснювальною змінною. У багатьох випадках використання лише однієї пояснювальної змінної обмежує точність прогнозів. Щоб по-справжньому опанувати лінійну регресію, потрібно вміти підганяти моделі з кількома пояснювальними змінними.

Випадок, коли маємо одну числову пояснювальну змінну та одну категоріальну, інколи називають лінійною регресією з «паралельними нахилами» через форму прогнозів — більше про це в наступній вправі.

Тут ви знову попрацюєте з набором даних про нерухомість на Тайвані. Згадайте значення кожної змінної.

Variable Meaning
dist_to_mrt_station_m Відстань до найближчої станції метро MRT, у метрах.
n_convenience Кількість крамниць біля дому в пішій доступності.
house_age_years Вік будинку, у роках, у 3 групах.
price_twd_msq Ціна житла за одиницю площі, у нових тайванських доларах за м².

taiwan_real_estate доступний.

Інструкції 1/3

undefined XP
  • 1
    • Імпортуйте ols() з statsmodels.formula.api.
    • Використовуючи набір даних taiwan_real_estate, змоделюйте та підженіть ціну житла (у TWD за квадратний метр) залежно від кількості сусідніх крамниць.
    • Виведіть коефіцієнти моделі.
  • 2
    • Змоделюйте ціну житла (у TWD за квадратний метр) залежно від віку будинку (у роках). Не додавайте вільний член (інтерсепт).
    • Виведіть коефіцієнти моделі.
  • 3
    • Змоделюйте ціну житла залежно від кількості сусідніх крамниць плюс вік будинку. Не додавайте вільний член (інтерсепт).
    • Виведіть коефіцієнти моделі.