ComeçarComece de graça

Ajuste e previsão para regressão

Agora que você já viu como funciona a regressão linear, sua tarefa é criar um modelo de regressão linear múltipla usando todas as variáveis independentes do conjunto de dados sales_df, que foi pré-carregado para você. Como lembrete, estas são as duas primeiras linhas:

     tv        radio      social_media    sales

1    13000.0   9237.76    2409.57         46677.90
2    41000.0   15886.45   2913.41         150177.83

Em seguida, você deve usar esse modelo para prever as vendas com base nos valores das variáveis independentes de teste.

LinearRegression e train_test_split foram pré-carregados para você a partir de seus respectivos módulos.

Este exercício faz parte do curso

Aprendizado Supervisionado com o scikit-learn

Ver curso

Instruções do exercício

  • Crie X, uma matriz que contém os valores de todas as variáveis independentes de sales_df, e y, que contém todos os valores da coluna "sales".
  • Instancie um modelo de regressão linear.
  • Ajuste o modelo aos dados de treinamento.
  • Crie y_pred, fazendo previsões para sales usando as variáveis independentes de teste.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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]))
Editar e executar o código