НачатьНачать бесплатно

Обучение и предсказание для регрессии

Теперь, когда вы познакомились с принципом работы линейной регрессии, ваша задача — создать модель множественной линейной регрессии, используя все признаки из набора данных sales_df, который уже загружен для вас. Для справки, вот первые две строки:

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

Затем вы воспользуетесь этой моделью, чтобы предсказать объём продаж на основе значений тестовых признаков.

LinearRegression и train_test_split уже импортированы из соответствующих модулей.

Это упражнение является частью курса

Обучение с учителем с помощью scikit-learn

Посмотреть курс

Инструкции к упражнению

  • Создайте массив X, содержащий значения всех признаков из sales_df, и массив y, содержащий все значения столбца "sales".
  • Создайте экземпляр модели линейной регрессии.
  • Обучите модель на обучающих данных.
  • Создайте переменную y_pred, получив предсказания значений sales на основе тестовых признаков.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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]))
Редактировать и запускать код