如何使用线性回归系数求出二手车的值？

Question

目标：

我想对以下二手车价格数据使用线性回归来预测汽车价格：

​

​

My Procedure:

我有一个热编码的'Make‘和'Type'，并将这些列添加回：

​

​

然后，我对我的预测器列使用了标准标量：

​

​

My模型：

我使用OLS (在添加了一个常量之后)来获得系数：

​

​

问题：使用这个如何预测，例如:一辆凯迪拉克轿车，皮具6缸和45000英里？

我熟悉使用ss.transform来获取缩放值，然后我可以将这些值输入model_OLS.predict来预测汽车价格。我猜我不能选择我想要用来预测价格的特征吗？我得把他们都说出来？

Answer 1

如果你已经在所有的特征上拟合了OLS模型，那么用有限的特征做预测就没有多大意义了。您也许可以选择系数(const + 1*Make_Cadillac +1*皮革+6*柱面)进行自定义预测，或者您可以根据您想要用于预测的特性重新拟合模型，也许可以用一个函数来简化它。

vals = {'Make_Cadillac': 1, 'Leather': 1, 'Cylinder': 6} # populate scaled values instead or transform them in the function

def make_prediction(X, y, vals):
    OLS = sm.OLS(y, X[[*vals]]).fit()
    # scale input values #
    return OLS.predict([*vals.values()])

print(make_prediction(X, y, vals))