Vorhersagen mit einem Regressionsmodell

Jetzt, da du ein Modell mit den California-Housing-Daten trainiert hast, schauen wir uns an, welche Vorhersagen es für neue Daten erzeugt. Du kannst die zugrunde liegende Beziehung untersuchen, die das Modell zwischen Eingaben und Ausgaben gefunden hat, indem du eine Reihe von Zahlen als Eingaben übergibst und beobachtest, was das Modell für jede Eingabe vorhersagt.

Ein 1-D-Array new_inputs mit 100 „neuen“ Werten für "MedHouseVal" (Median der Hauspreise) ist in deinem Workspace verfügbar, zusammen mit dem model, das du in der vorherigen Übung trainiert hast.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen für Zeitreihendaten in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Sieh dir new_inputs in der Shell an.
Bringe new_inputs in die passende Form, um Vorhersagen zu erzeugen.
Führe den gegebenen Code aus, um die Vorhersagen zu visualisieren.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Generate predictions with the model using those inputs
predictions = ____

# Visualize the inputs and predicted values
plt.scatter(new_inputs, predictions, color='r', s=3)
plt.xlabel('inputs')
plt.ylabel('predictions')
plt.show()

Code bearbeiten und ausführen