Загрузите модель линейной регрессии LinearRegression(), а затем запустить ее на обучение .fit. Переменную для хранения модели необходимо назвать model.
python
from sklearn.linear_model import LinearRegression
Затем создаем экземпляр модели LinearRegression():
python
model = LinearRegression()
Теперь у нас есть пустая модель линейной регрессии, которую мы можем обучить на наших данных.
Для обучения модели используется метод .fit(). Он принимает два аргумента: матрицу признаков X и вектор целевых значений y. Метод .fit() выполняет процесс обучения модели, настраивая веса модели таким образом, чтобы минимизировать ошибку предсказания.
python
model.fit(X, y)
Матрица признаков X - это двумерный массив или DataFrame, где каждая строка представляет отдельное наблюдение, а каждый столбец представляет отдельный признак. Вектор целевых значений y - это одномерный массив или Series, содержащий значение целевой переменной для каждого наблюдения.
После вызова метода .fit() модель будет обучена на наших данных, и веса модели будут настроены для минимизации ошибки предсказания. Теперь модель готова к предсказанию новых значений на основе входных признаков.Нажимая «Регистрация» или «Войти через Google», вы соглашаетесь с Публичной офертой, даете Согласие на обработку персональных данных, а также подтверждаете что вам есть 18 лет
Нажимая «Регистрация» или «Войти через Google», вы соглашаетесь с Публичной офертой, даете Согласие на обработку персональных данных, а также подтверждаете что вам есть 18 лет