För denna utmaning används samma bostadsdataset. Nu har det dock två variabler: ålder och boyta för huset (kolumnerna `'age'` och `'square_feet'`).

import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b22d1166-efda-45e8-979e-6c3ecfc566fc/houseprices.csv')
print(df.head())

Din uppgift är att bygga en multipel linjär regressionsmodell med hjälp av klassen `OLS`. Du ska även skriva ut sammanfattningstabellen för att granska p-värdena för varje variabel.

import unittest
import numpy as np
import pandas as pd
import statsmodels.api as sm


# Codefinity helper
def _dynamic_test(test_case, condition, success, fail):
    if condition:
        test_case._testMethodName = success
        test_case.assertTrue(True)
    else:
        test_case._testMethodName = fail
        test_case.fail(fail)


class TestUserCode(unittest.TestCase):

    # 1. Test that X contains the correct columns
    def test_X_contains_correct_columns(self):
        import user_code

        cond = False
        try:
            X = user_code.X
            cond = list(X.columns) == ["age", "square_feet"]
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "X correctly contains ['age', 'square_feet'].",
            "Expected X to contain columns: ['age', 'square_feet']."
        )

    # 2. Test preprocessing with sm.add_constant
    def test_X_tilde_add_constant(self):
        import user_code

        cond = False
        try:
            X = user_code.X
            X_tilde = user_code.X_tilde

            cond = (
                isinstance(X_tilde, pd.DataFrame)
                and "const" in X_tilde.columns
                and X_tilde.shape[1] == X.shape[1] + 1
            )
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "X_tilde correctly includes a constant column.",
            "Expected X_tilde to be created using sm.add_constant(X)."
        )

    # 3. Model is fitted using OLS
    def test_model_is_fitted(self):
        import user_code
        from statsmodels.regression.linear_model import RegressionResultsWrapper

        cond = isinstance(user_code.model, RegressionResultsWrapper)

        _dynamic_test(
            self,
            cond,
            "model is a fitted OLS RegressionResultsWrapper.",
            "Expected model = sm.OLS(y, X_tilde).fit()"
        )

    # 4. Test X_new_tilde construction
    def test_X_new_tilde(self):
        import user_code
        import numpy as np

        cond = False
        try:
            X_new = user_code.X_new
            X_new_tilde = user_code.X_new_tilde

            expected_shape = (3, 3)  # const + 2 features

            cond = (
                isinstance(X_new_tilde, np.ndarray)
                and X_new_tilde.shape == expected_shape
                and np.allclose(X_new_tilde[:, 1:], X_new)
            )
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "X_new_tilde correctly created with sm.add_constant(X_new).",
            "Expected X_new_tilde to include constant column and match X_new values."
        )

    # 5. Test predictions
    def test_predictions(self):
        import user_code
        import numpy as np

        cond = False
        try:
            y_pred = user_code.y_pred
            cond = (
                isinstance(y_pred, np.ndarray)
                and y_pred.shape == (3,)
            )
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "y_pred is a NumPy array with correct shape (3,).",
            "Expected y_pred = model.predict(X_new_tilde) to have shape (3,)."
        )

    # 6. Test summary call (using code inspection)
    def test_model_summary_called(self):
        cond = False
        try:
            with open("user_code.py", "r") as f:
                src = f.read()
            cond = "model.summary()" in src.replace(" ", "")
        except Exception:
            cond = False

        _dynamic_test(
            self,
            cond,
            "model.summary() is called.",
            "Expected model.summary() to be printed."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Om du gjorde allt rätt fick du p-värden nära noll. Det innebär att alla våra variabler är signifikanta för modellen.

Linjär regression är ett avgörande begrepp inom prediktiv analys. Det används ofta av data scientists, dataanalytiker och statistiker eftersom det är enkelt att bygga och tolka men tillräckligt kraftfullt för många uppgifter.

Vi börjar med den enklaste modellen för linjär regression. Du kommer att lära dig grunderna i linjär regression och hur man gör prediktioner i Python.

De flesta prediktionsuppgifter i verkliga tillämpningar involverar fler än en variabel. Du kommer att lära dig hur man hanterar linjär regression med flera variabler.

En rät linje beskriver inte alltid data på ett tillfredsställande sätt. Lär dig hur du bygger en mer komplex modell för prediktion. Det är vad polynomregression är avsedd för.

Nu när du vet hur man bygger flera linjära regressionsmodeller behöver du ett sätt att välja den bästa. Detta är möjligt med hjälp av metrik. Denna sektion förklarar de mest använda metoderna och de svårigheter du kan stöta på när du använder dem.

Utmaning: Förutsäga Priser Med Två Variabler

Lösning