回帰モデルの学習と予測
線形回帰の仕組みを理解したところで、次は sales_df データセットのすべての特徴量を使って重回帰モデルを構築しましょう。データセットはあらかじめ読み込まれています。参考として、最初の2行を以下に示します。
tv radio social_media sales
1 13000.0 9237.76 2409.57 46677.90
2 41000.0 15886.45 2913.41 150177.83
構築したモデルを使って、テスト用特徴量の値から売上を予測します。
LinearRegression と train_test_split は、それぞれのモジュールからあらかじめ読み込まれています。
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
Xのすべての特徴量の値を含む配列sales_dfと、y列のすべての値を含む"sales"を作成します。- 線形回帰モデルをインスタンス化します。
- 訓練データを使ってモデルを学習させます。
- テスト用特徴量を使って
y_predを予測し、結果をsalesに格納します。
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。
# Create X and y arrays
X = sales_df.____("____", axis=____).____
y = sales_df["____"].____
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# Instantiate the model
reg = ____
# Fit the model to the data
____
# Make predictions
y_pred = reg.____(____)
print("Predictions: {}, Actual Values: {}".format(y_pred[:2], y_test[:2]))