Modelo lineal en oceanografía

Los datos de series temporales ofrecen un contexto en el que la «pendiente» del modelo lineal representa una «tasa de cambio».

En este ejercicio, usarás mediciones del cambio del nivel del mar desde 1970 hasta 2010, construirás un modelo lineal de esa variación del nivel del mar y lo usarás para predecir el aumento futuro del nivel del mar.

Este ejercicio forma parte del curso

Introducción al modelado lineal en Python

Ver curso

Instrucciones del ejercicio

Importa y usa LinearRegression(fit_intercept=True) para inicializar un modelo lineal.
Pasa los datos years y levels (ya cargados y reestructurados) a model.fit() para ajustar el modelo.
Usa model.predict() para predecir un único future_level para future_year = 2100 y haz print() del resultado.
Usa model.predict() para pronosticar muchos levels_forecast y representa el resultado con la función predefinida plot_data_and_forecast().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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, ____, ____)

Editar y ejecutar código