回帰モデルで予測する
California の住宅データでモデルを学習できましたので、新しいデータに対してどんな予測をするか見てみましょう。入力にさまざまな数値を与え、それぞれに対するモデルの予測を見ることで、入力と出力の間にモデルが見つけた関係を探れます。
ワークスペースには、"MedHouseVal"（住宅価格の中央値）の「新しい」値を100個含む1次元配列 new_inputs と、前の演習で学習した model が用意されています。
この演習はコースの一部です
Pythonで学ぶMachine Learningによる時系列データ解析
演習の手順
- シェルで
new_inputsを確認します。 - 予測を生成できるように、
new_inputsを適切な形状に変換します。 - 提供されているコードを実行して、予測を可視化します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()