Predecir mediante un modelo de regresión
Ahora que has ajustado un modelo con los datos de vivienda de California, veamos qué predicciones genera con algunos datos nuevos. Puedes investigar la relación subyacente que el modelo ha encontrado entre entradas y salidas introduciendo una serie de números como entradas y viendo lo que el modelo predice para cada entrada.
Dispones en tu espacio de trabajo de una matriz 1-D new_inputs formada por 100 valores "nuevos" para "MedHouseVal" (valor medio de la vivienda) junto con la model que ajustaste en el ejercicio anterior.
Este ejercicio forma parte del curso
Machine learning para datos de series temporales en Python
Instrucciones del ejercicio
- Revisa
new_inputsen la concha. - Remodela
new_inputsadecuadamente para generar predicciones. - Ejecuta el código dado para visualizar las predicciones.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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()