Träna en linjär regression

Linjär regression anpassar ett rätlinjigt samband mellan Era egenskaper och ett numeriskt mål. Det är den klassiska första modellen av en anledning. 📈

Estimatören finns i modulen linear_model. Ni importerar den en gång och återanvänder den för alla regressionsuppgifter Ni stöter på.

Skapa en ny modell genom att anropa klassen. Denna tomma estimator innehåller standardinställningar och har ännu inte sett någon data.

Lär den nu med Era egenskaper och Ert mål. Under fit hittar modellen den bästa linjen genom Era träningspunkter.

Varje egenskap får en koefficient som lagras i coef_. Den visar hur mycket prediktionen förändras när egenskapen ökar med ett.

Skärningen är prediktionen när alla egenskaper är noll. Den förankrar linjen och lagras i intercept_ efter träningen.

Skicka nya rader med egenskaper till predict så får Ni tillbaka numeriska uppskattningar, en per rad, beräknade direkt från den tränade linjen.

Under huven är varje prediktion helt enkelt egenskaper multiplicerade med koefficienter plus skärningen. Enkel matematik med förvånansvärt kraftfulla resultat.

Samma anrop hanterar en enda egenskap eller dussintals. Med många indata anpassar modellen ett hyperplan, men Er kod förblir exakt densamma.

Linjär regression antar ett ungefär rätlinjigt samband. Om mönstret böjer sig kraftigt kommer denna modell att underanpassa och missa det.

Importera, skapa, träna, prediktera: fyra steg och Ni har en fungerande regressionsmodell. Samma rytm återkommer för varje modell Ni lär Er härnäst.

Ni importerade, skapade, tränade och predikterade med en linjär regression. Dess coef_ och intercept_ avslöjar till och med vad den har lärt sig. 🚀