Modelo Linear em Oceanografia

Séries temporais oferecem um contexto em que a “inclinação” do modelo linear representa uma “taxa de variação”.

Neste exercício, você vai usar medições da mudança do nível do mar de 1970 a 2010, ajustar um modelo linear para esse nível do mar em mudança e usá-lo para fazer uma previsão do aumento futuro do nível do mar.

Este exercicio faz parte do curso

Introdução à Modelagem Linear em Python

Ver curso

Instruções do exercicio

Importe e use LinearRegression(fit_intercept=True) para inicializar um modelo linear.
Passe os dados years e levels (já carregados e remodelados) para model.fit() para ajustar o modelo.
Use model.predict() para prever um único future_level para future_year = 2100 e use print() para exibir o resultado.
Use model.predict() para prever vários levels_forecast e plote o resultado com a função pré-definida plot_data_and_forecast().

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Import LinearRegression class, build a model, fit to the data
from sklearn.linear_model import ____
model = ____(fit_intercept=True)
model.fit(years, levels)

# Use model to make a prediction for one year, 2100
future_year = np.array(2100).reshape(1, -1)
future_level = model.predict(____)
print("Prediction: year = {}, level = {:.02f}".format(future_year, future_level[0,0]))

# Use model to predict for many years, and over-plot with measured data
years_forecast = np.linspace(1970, 2100, 131).reshape(-1, 1)
levels_forecast = model.predict(____)
fig = plot_data_and_forecast(years, levels, ____, ____)

Editar e Executar Código