Prevedere usando un modello di regressione
Ora che hai addestrato un modello con i dati delle abitazioni in California, vediamo che previsioni genera su alcuni nuovi dati. Puoi esplorare la relazione sottostante che il modello ha individuato tra input e output fornendo una gamma di numeri come input e osservando cosa predice il modello per ciascuno.
Nel tuo workspace è disponibile un array 1-D new_inputs composto da 100 valori "nuovi" per "MedHouseVal" (valore medio delle case), insieme al model che hai addestrato nell'esercizio precedente.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Esamina
new_inputsnella shell. - Rimodella
new_inputsin modo appropriato per generare le previsioni. - Esegui il codice fornito per visualizzare le previsioni.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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()