Первый fit и predict на своих данных
Содержание курса
LinearRegression: создание объекта и обучение через fit
Когда X и y готовы, создаём модель и обучаем её:
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X, y)
LinearRegression() не требует обязательных аргументов — класс берёт разумные значения по умолчанию. Главное понять, что model — это обычный Python-объект, и до вызова fit он пустой: внутри нет никаких обученных параметров.
fit(X, y) меняет это. Метод просматривает все четыре строки, находит веса для температура и влажность методом наименьших квадратов и записывает их внутрь объекта model. После возврата из fit объект несёт в себе эти веса — они хранятся в атрибутах model.coef_ и model.intercept_, хотя на текущем этапе нам не нужно их разбирать вручную.
Важный момент: fit возвращает сам объект model, а не какой-то новый объект с параметрами. Состояние меняется внутри — именно поэтому достаточно написать model.fit(X, y) без присвоения результата. Код вида trained_model = model.fit(X, y) тоже сработает, но trained_model и model будут указывать на один и тот же объект.
Чтобы убедиться, что обучение прошло без ошибок, достаточно того, что строка выполнилась — исключений не возникло. На этом этапе модель готова к предсказаниям.