Побудова моделі лінійної регресії
Тепер, коли ви створили масиви ознак і цільових значень, ви навчите модель лінійної регресії на всіх значеннях ознак і цілі.
Оскільки мета — оцінити взаємозв'язок між ознакою та цільовою змінною, немає потреби ділити дані на тренувальну й тестову вибірки.
X і y вже завантажено для вас так:
y = sales_df["sales"].values
X = sales_df["radio"].values.reshape(-1, 1)
Ця вправа є частиною курсу
Кероване навчання зі scikit-learn
Інструкції до вправи
- Імпортуйте
LinearRegression. - Створіть екземпляр моделі лінійної регресії.
- Спрогнозуйте значення продажів за допомогою
X, збережіть у зміннійpredictions.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import LinearRegression
from ____.____ import ____
# Create the model
reg = ____()
# Fit the model to the data
____
# Make predictions
predictions = ____
print(predictions[:5])