ПочатиПочніть безкоштовно

Навчання та передбачення для регресії

Тепер, коли ви побачили, як працює лінійна регресія, ваше завдання — створити модель множинної лінійної регресії, використовуючи всі ознаки з набору даних sales_df, який уже завантажено для вас. Для нагадування — перші два рядки:

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

Потім ви використаєте цю модель, щоб передбачити обсяги продажів на основі значень тестових ознак.

LinearRegression і train_test_split уже імпортовано з відповідних модулів.

Ця вправа є частиною курсу

Кероване навчання зі scikit-learn

Переглянути курс

Інструкції до вправи

  • Створіть X — масив, що містить значення всіх ознак у sales_df, і y — усі значення зі стовпця "sales".
  • Створіть екземпляр моделі лінійної регресії.
  • Навчіть модель на тренувальних даних.
  • Створіть y_pred, виконавши передбачення для sales за тестовими ознаками.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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]))
Редагувати та запускати код