Линейная модель в океанографии

Данные временны́х рядов позволяют интерпретировать «наклон» линейной модели как «скорость изменения».

В этом упражнении вы будете использовать измерения изменения уровня моря с 1970 по 2010 год, построите линейную модель этого изменения и применяете её для прогнозирования будущего подъёма уровня моря.

Это упражнение является частью курса

Введение в линейное моделирование на Python

Посмотреть курс

Инструкции к упражнению

Импортируйте и используйте LinearRegression(fit_intercept=True) для инициализации линейной модели.
Передайте предварительно загруженные и преобразованные данные years и levels в model.fit(), чтобы обучить модель.
Используйте model.predict(), чтобы получить одно предсказание future_level для future_year = 2100, и выведите результат с помощью print().
Используйте model.predict(), чтобы построить прогноз levels_forecast для множества значений, и отобразите результат с помощью предопределённой функции plot_data_and_forecast().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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, ____, ____)

Редактировать и запускать код