手动计算预测值

与简单线性回归一样，您也可以用模型系数手动计算预测值。并行斜率回归唯一的变化是：截距会随分类解释变量的类别而不同。这意味着您需要分别考虑每个类别出现时的情况。

taiwan_real_estate、mdl_price_vs_both 和 explanatory_data 可用；上一练习中的 ic_0_15、ic_15_30、ic_30_45 和 slope 也已加载。

本练习是课程的一部分

Python 中级回归：使用 statsmodels

查看课程

练习说明

定义一个列表 conditions，包含 3 个条件语句：house_age_years 等于 "0 to 15"，house_age_years 等于 "15 to 30"，以及 house_age_years 等于 "30 to 45"。
定义一个列表 choices，包含从 mdl_price_vs_both 提取的截距。它们与上述各条件一一对应。
使用 np.select() 创建一个截距数组。
创建 prediction_data：以 explanatory_data 为起点，赋值 intercept 为该截距数组，并将 price_twd_msq 设为手动计算的预测值。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Define conditions
conditions = [____]

# Define choices
choices = [____]

# Create array of intercepts for each house_age_year category
intercept = ____(____, ____)

# Create prediction_data with columns intercept and price_twd_msq
prediction_data = ____.____(
			      ____ = ____,
  			      ____ = ____ + ____ * ____[____])

print(prediction_data)

编辑并运行代码