Voorspellen met een regressiemodel
Nu je een model hebt getraind met de California-housingdata, gaan we kijken welke voorspellingen het maakt op nieuwe data. Je kunt de onderliggende relatie die het model heeft gevonden tussen input en output onderzoeken door een reeks getallen als input te voeren en te bekijken wat het model voor elke input voorspelt.
Een 1D-array new_inputs met 100 "nieuwe" waarden voor "MedHouseVal" (mediane woningwaarde) is beschikbaar in je werkruimte, samen met het model dat je in de vorige oefening hebt getraind.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Bekijk
new_inputsin de shell. - Reshape
new_inputsop de juiste manier om voorspellingen te genereren. - Voer de gegeven code uit om de voorspellingen te visualiseren.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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()