Zacznij terazZacznij za darmo

Dopasowywanie i przewidywanie w regresji

Teraz, gdy wiesz już, jak działa regresja liniowa, Twoim zadaniem jest zbudowanie modelu regresji wielorakiej z wykorzystaniem wszystkich cech ze zbioru danych sales_df, który został już załadowany. Dla przypomnienia – oto dwa pierwsze wiersze:

     tv        radio      social_media    sales
1    13000.0   9237.76    2409.57         46677.90
2    41000.0   15886.45   2913.41         150177.83

Następnie użyjesz tego modelu do przewidywania sprzedaży na podstawie wartości cech testowych.

LinearRegression i train_test_split zostały już zaimportowane z odpowiednich modułów.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe z scikit-learn

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz X – tablicę zawierającą wartości wszystkich cech ze zbioru sales_df – oraz y, zawierające wszystkie wartości z kolumny "sales".
  • Utwórz instancję modelu regresji liniowej.
  • Dopasuj model do danych treningowych.
  • Utwórz y_pred, przewidując wartości sales na podstawie cech testowych.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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]))
Edytuj i uruchom kod