海洋學中的線性模型
時間序列資料提供了一個脈絡，讓線性模型的「斜率」可以詮釋為「變化率」。
在這個練習中，你將使用 1970 至 2010 年的海平面變化量測，建立一個描述海平面變化的線性模型，並用它來預測未來的海平面上升。
本練習屬於課程
Python 線性建模入門
練習說明
- 匯入並使用
LinearRegression(fit_intercept=True)初始化一個線性模型。 - 將已預先載入並重塑形狀的
years與levels資料傳入model.fit()以擬合模型。 - 使用
model.predict()，對future_year = 2100預測單一future_level，並以print()印出結果。 - 使用
model.predict()產生多筆levels_forecast的預測，並搭配預先定義的plot_data_and_forecast()繪製結果。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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, ____, ____)