回归中的拟合与预测
现在您已经了解了线性回归的工作原理，您的任务是使用 sales_df 数据集中的所有特征创建一个多元线性回归模型。该数据集已为您预加载。作为提示，前两行如下：
tv radio social_media sales
1 13000.0 9237.76 2409.57 46677.90
2 41000.0 15886.45 2913.41 150177.83
随后，您将使用该模型根据测试特征的取值来预测销售额。
LinearRegression 和 train_test_split 已分别从其模块中为您预加载。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 创建
X，即包含sales_df中所有特征取值的数组；以及y，即"sales"列中的所有取值。 - 实例化一个线性回归模型。
- 将模型拟合到训练数据。
- 创建
y_pred，基于测试特征对sales进行预测。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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]))