CommencerCommencer gratuitement

Modèle linéaire en océanographie

Les données de séries temporelles offrent un contexte où la « pente » d’un modèle linéaire correspond à un « taux de variation ».

Dans cet exercice, vous allez utiliser des mesures de l’élévation du niveau de la mer de 1970 à 2010, construire un modèle linéaire de cette évolution et l’utiliser pour prédire l’élévation future du niveau de la mer.

Cet exercice fait partie du cours

Introduction à la modélisation linéaire en Python

Afficher le cours

Instructions

  • Importez et utilisez LinearRegression(fit_intercept=True) pour initialiser un modèle linéaire.
  • Passez les données years et levels (préchargées et remodelées) à model.fit() pour ajuster le modèle.
  • Utilisez model.predict() pour prédire une valeur unique future_level pour future_year = 2100 et print() le résultat.
  • Utilisez model.predict() pour établir une prévision multiple levels_forecast et tracez le résultat avec la fonction prédéfinie plot_data_and_forecast().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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, ____, ____)
Modifier et exécuter le code