回歸的擬合與預測
現在你已經看過線性迴歸如何運作，你的任務是使用 sales_df 資料集（已為你預先載入）中的所有特徵，建立一個多元線性迴歸模型。提醒你，前兩列如下：
tv radio social_media sales
1 13000.0 9237.76 2409.57 46677.90
2 41000.0 15886.45 2913.41 150177.83
接著，你會用這個模型根據測試特徵的數值來預測 sales。
LinearRegression 與 train_test_split 已從各自的模組為你預先載入。
本練習屬於課程
使用 scikit-learn 進行監督式學習
練習說明
- 建立
X：包含sales_df中所有特徵數值的陣列；以及y：包含"sales"欄位所有數值的陣列。 - 具現化一個線性迴歸模型。
- 將模型擬合到訓練資料。
- 建立
y_pred，使用測試特徵對sales進行預測。
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。
# 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]))