Začněte nyníZačněte zdarma

Trénování a predikce pro regresi

Teď, když víš, jak lineární regrese funguje, je tvým úkolem vytvořit model mnohonásobné lineární regrese s využitím všech příznaků z datasetu sales_df, který je pro tebe předem načtený. Jako připomínka, tady jsou první dva řádky:

     tv        radio      social_media    sales
1    13000.0   9237.76    2409.57         46677.90
2    41000.0   15886.45   2913.41         150177.83

Tento model pak použiješ k předpovězení prodejů na základě hodnot testovacích příznaků.

LinearRegression a train_test_split jsou pro tebe předem načteny z příslušných modulů.

Toto cvičení je součástí kurzu

Supervised Learning with scikit-learn

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř X jako pole obsahující hodnoty všech příznaků z sales_df a y obsahující všechny hodnoty ze sloupce "sales".
  • Vytvoř instanci modelu lineární regrese.
  • Natrénuj model na trénovacích datech.
  • Vytvoř y_pred tak, že pomocí testovacích příznaků předpovíš hodnoty sales.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create X and y arrays
X = sales_df.____("____", axis=____).____
y = sales_df["____"].____

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# Instantiate the model
reg = ____

# Fit the model to the data
____

# Make predictions
y_pred = reg.____(____)
print("Predictions: {}, Actual Values: {}".format(y_pred[:2], y_test[:2]))
Upravit a spustit kód