Prédire avec un modèle de régression
Vous avez ajusté un modèle avec les données de logements en Californie. Voyons maintenant quelles prédictions il produit sur de nouvelles données. Vous pouvez explorer la relation sous-jacente que le modèle a trouvée entre les entrées et les sorties en lui fournissant une plage de valeurs en entrée et en observant sa prédiction pour chacune.
Un tableau 1D new_inputs contenant 100 « nouvelles » valeurs pour "MedHouseVal" (valeur médiane des logements) est disponible dans votre espace de travail, ainsi que le model que vous avez ajusté dans l’exercice précédent.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- Examinez
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 cet exemple de code.
# 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()