MODÈLES / 04 · EXERCICE
LinearRegression : fit puis predict
scikit-learn reprend la même interface que la classe écrite précédemment.
LinearRegression ajuste une régression par moindres carrés. Le modèle attend X en deux dimensions, même avec une seule caractéristique : df[["Length"]] conserve une matrice à une colonne.
scikit-learn · LinearRegression ↗
Exemple expliqué
- 1
X = df[["Length", "Weight"]] y = df["Rings"]X.shape vaut (4177, 2) ; y.shape vaut (4177,). Une liste de noms entre crochets sélectionne un DataFrame.
- 2
model = LinearRegression() model.fit(X, y)Création d’une instance, puis estimation des coefficients. fit_intercept=True par défaut : b est appris.
- 3
y_hat = model.predict(X) print(model.coef_, model.intercept_)predict renvoie les estimations. coef_ et intercept_ correspondent à a et b de la classe précédente.
Code à compléter
Ajuster model, calculer y_hat puis afficher les coefficients, la constante et les premières prédictions.
Saisie autonome · crédit complet après réussite
Le résultat apparaîtra ici.
Session Python
Les variables restent disponibles entre les pages. Un rechargement efface les variables ; le code et l’utilisation de l’aide restent enregistrés dans cet onglet.