Коэффициенты линейной регрессии

Два способа получить один прогноз

Линейная регрессия привлекает аналитиков своей прозрачностью: каждое предсказание можно разложить на слагаемые, где каждому признаку соответствует свой коэффициент.

Что уже дано

В редакторе есть импорты load_diabetes, train_test_split, LinearRegression. Данные и модель предыдущего урока не сохраняются. Видимый шаблон содержит заготовку manual_predict(row, coefficients, intercept); аргументы — последовательности чисел для одной строки и коэффициентов и числовой свободный член. Скрытая подготовка не создаёт данные.

Что нужно сделать

Реализуйте manual_predict так, чтобы она вычисляла число по переданным коэффициентам и значениям строки, не вызывая model.predict. Затем загрузите diabetes, совместно разделите данные (test_size=0.2, random_state=0), обучите model только на train и возьмите первую строку X_test как X_new с исходным порядком признаков. Получите prediction через модель и manual_prediction через свою функцию. В matches сохраните результат сравнения с допуском 1e-8. Фактический ответ этой строки не используйте.

Ввод и вывод

stdin не используется. Печатать через print в stdout ничего не нужно. Проверяются функция manual_predict, верхнеуровневые X_new, model, prediction, manual_prediction, matches. Проверка вызывает функцию также с другими числовыми строками и коэффициентами.