Lineární model v oceánografii

Časové řady nabízejí kontext, ve kterém „sklon" lineárního modelu představuje „rychlost změny".

V tomto cvičení použiješ měření změn hladiny moře z let 1970 až 2010, sestavíš lineární model popisující tuto změnu a pomocí něj předpovíš budoucí nárůst hladiny moře.

Toto cvičení je součástí kurzu

Úvod do lineárního modelování v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj a použij LinearRegression(fit_intercept=True) pro inicializaci lineárního modelu.
Předej předem načtená a přeformátovaná data years a levels do model.fit() a model natrénuj.
Pomocí model.predict() předpověz jedinou hodnotu future_level pro future_year = 2100 a výsledek vypiš pomocí print().
Pomocí model.predict() vytvoř předpověď levels_forecast pro více hodnot a výsledek vizualizuj pomocí předem definované funkce plot_data_and_forecast().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import LinearRegression class, build a model, fit to the data
from sklearn.linear_model import ____
model = ____(fit_intercept=True)
model.fit(years, levels)

# Use model to make a prediction for one year, 2100
future_year = np.array(2100).reshape(1, -1)
future_level = model.predict(____)
print("Prediction: year = {}, level = {:.02f}".format(future_year, future_level[0,0]))

# Use model to predict for many years, and over-plot with measured data
years_forecast = np.linspace(1970, 2100, 131).reshape(-1, 1)
levels_forecast = model.predict(____)
fig = plot_data_and_forecast(years, levels, ____, ____)

Upravit a spustit kód