線形回帰モデルの構築
特徴量と目的変数の配列を作成したので、次はすべての特徴量と目的変数の値を使って線形回帰モデルを学習させましょう。
ここでの目的は特徴量と目的変数の関係を調べることなので、データを訓練セットとテストセットに分割する必要はありません。
X と y は以下のようにあらかじめ読み込まれています：
y = sales_df["sales"].values
X = sales_df["radio"].values.reshape(-1, 1)
この演習はコースの一部です
scikit-learn による教師あり学習
演習の手順
LinearRegressionをインポートしましょう。- 線形回帰モデルをインスタンス化しましょう。
Xを使って売上値を予測し、結果をpredictionsに格納しましょう。
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。
# Import LinearRegression
from ____.____ import ____
# Create the model
reg = ____()
# Fit the model to the data
____
# Make predictions
predictions = ____
print(predictions[:5])