LoslegenKostenlos loslegen

Anpassung und Vorhersagen bei der Regression

Nachdem du gesehen hast, wie die lineare Regression funktioniert, ist es nun deine Aufgabe, ein Modell für die multiple lineare Regression mit allen Merkmalen des sales_df-Datensatzes zu erstellen, der in der Konsole schon geladen ist. Zur Erinnerung sind hier nochmal die ersten beiden Zeilen:

     tv        radio      social_media    sales

1    13000.0   9237.76    2409.57         46677.90
2    41000.0   15886.45   2913.41         150177.83

Dieses Modell verwendest du dann, um die Umsätze anhand der Werte der Testmerkmale vorherzusagen.

LinearRegression und train_test_split wurden bereits aus ihren jeweiligen Modulen geladen.

Diese Übung ist Teil des Kurses

Überwachtes Lernen mit scikit-learn

Kurs anzeigen

Anleitung zur Übung

  • Erstelle X als Array mit den Werten aller Merkmale in sales_df sowie y mit allen Werten aus der Spalte "sales".
  • Instanziiere ein Modell für die lineare Regression.
  • Passe das Modell an die Trainingsdaten an.
  • Erstelle y_pred mit den vorausgesagten Werten für sales anhand der Testmerkmale.

Interaktive Übung

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

# 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]))
Code bearbeiten und ausführen