Predicția prețului casei folosind dimensiune și condiție

Modelare cu date în Tidyverse

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Recapitulare: Pante paralele

Realizarea unei predicții

Vizualizarea predicțiilor

Predicții numerice

Folosind valorile din estimate din tabelul de regresie de mai jos:

Prima casă: $\hat{y} = 2.88 + 0.032 + 0.837 \cdot 2.90 = 5.34$
A doua casă: $\hat{y} = 2.88 + 0.044 + 0.837 \cdot 3.60 = 5.94$

# Fit regression model and get regression table
model_price_3 <- lm(log10_price ~ log10_size + condition,
                    data = house_prices)
get_regression_table(model_price_3)

# A tibble: 6 x 7
  term       estimate std_error statistic p_value lower_ci...
  <chr>         <dbl>     <dbl>     <dbl>   <dbl>    <dbl>...
1 intercept     2.88      0.036     80.0    0        2.81...
2 log10_size    0.837     0.006    134.     0        0.825...
...

Definirea datelor „noi"

# Create data frame of "new" houses
new_houses <- data_frame(
  log10_size = c(2.9, 3.6),
  condition = factor(c(3, 4))
)
new_houses

# A tibble: 2 x 2
  log10_size condition
       <dbl> <fct>    
1        2.9 3        
2        3.6 4

Predicții pe date noi

# Make predictions on new data
get_regression_points(model_price_3,
                      newdata = new_houses)

# A tibble: 2 x 4
     ID log10_size condition log10_price_hat
  <int>      <dbl> <fct>               <dbl>
1     1        2.9 3                    5.34
2     2        3.6 4                    5.94

Predicții pe date noi

# Make predictions in original units by undoing log10()
get_regression_points(model_price_3,
                      newdata = new_houses) %>% 
  mutate(price_hat = 10^log10_price_hat)

# A tibble: 2 x 5
     ID log10_size condition log10_price_hat price_hat
  <int>      <dbl> <fct>               <dbl>     <dbl>
1     1        2.9 3                    5.34   219786.
2     2        3.6 4                    5.94   870964.

Să exersăm!

Modelare cu date în Tidyverse