Prédire à l'aide d'un modèle de régression
Maintenant que vous avez ajusté un modèle avec les données sur l'habitation en Californie, voyons quelles prédictions il génère sur de nouvelles données. Vous pouvez examiner la relation sous-jacente que le modèle a trouvée entre les entrées et les sorties en fournissant une plage de nombres comme entrées et en observant ce que le modèle prédit pour chacune.
Un tableau 1D new_inputs contenant 100 « nouvelles » valeurs pour "MedHouseVal" (valeur médiane des maisons) est disponible dans votre espace de travail, ainsi que le model que vous avez ajusté à l'exercice précédent.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Passez en revue
new_inputsdans le shell. - Remodelez
new_inputscorrectement pour générer des prédictions. - Exécutez le code fourni pour visualiser les prédictions.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()