Thêm tương tác
Tương tự trường hợp có một biến giải thích số và một biến giải thích phân loại, các biến giải thích dạng số cũng có thể tương tác với nhau. Với cấu trúc mô hình này, bạn sẽ có hệ số dốc thứ ba: một cho mỗi biến giải thích và một cho phần tương tác.
Tại đây, bạn sẽ chạy, dự đoán và vẽ cùng một mô hình như bài tập trước, nhưng lần này bao gồm tương tác giữa các biến giải thích.
Bài tập này là một phần của khóa học
Hồi quy trung cấp với statsmodels trong Python
Hướng dẫn bài tập
- Đổi tên mô hình thành
mdl_price_vs_conv_dist_inter. - Điều chỉnh phần còn lại của mã từ bài tập trước để bao gồm một tương tác.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Convert to mdl_price_vs_conv_dist_inter
mdl_price_vs_conv_dist = ols("price_twd_msq ~ n_convenience + sqrt_dist_to_mrt_m", data=taiwan_real_estate).fit()
# Use mdl_price_vs_conv_dist_inter to make predictions
n_convenience = np.arange(0, 11)
sqrt_dist_to_mrt_m = np.arange(0, 81, 10)
p = product(n_convenience, sqrt_dist_to_mrt_m)
explanatory_data = pd.DataFrame(p, columns=["n_convenience", "sqrt_dist_to_mrt_m"])
prediction_data = explanatory_data.assign(
price_twd_msq = mdl_price_vs_conv_dist.predict(explanatory_data))
sns.scatterplot(x="n_convenience", y="sqrt_dist_to_mrt_m", data=taiwan_real_estate, hue="price_twd_msq", legend=False)
sns.scatterplot(x="n_convenience", y="sqrt_dist_to_mrt_m", data=prediction_data, hue="price_twd_msq", marker="s")
plt.show()