Predicciones simples con Regresión Lineal (Código Python)

Predicciones simples con Regresión Lineal (Código Python)

Con la regresión lineal, gracias a la librería de Scikit-Learn, podemos hacer predicciones basándonos en datos anteriores que se han guardado. Por ejemplo, de un portal inmobiliario con datos del tamaño de la casa, las habitaciones, código postal, precio, barrio etc… Saber cuanto costará una casa, antes de ponerla a la venta. Algunos ejemplos:

  • Sistemas de recomendaciones de series.
  • Predicciones de precios en bolsa.
  • Control de gasto de baterías.

Código:

					

import numpy as np 
from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import train_test_split
 
#x= [0,4,8,12,16,20,24,28,32,36,40,44,48,52,56,60,64,68,72,76,80,84,88,92,96,100,104,108,112,116,120,124,128,132,136,140]
#y= [5,10,14,19,24,28,33,38,42,47,52,56,61,65,70,74,78,82,84,87,89,90,92,93,94,95,96,97,97,98,98,98,99,99,99,100]
tiempo = [0,4,8,12,14,16,20,24,28,32,36,40,44,48,52,56,60,64,68,72,76,80,84,88,92,96,100,104,108,112,116,120,124,128,132,135,136,2,170,173]
nota = [0,0,0.5,0.5,6.7,1,1,2.2,3,2,2.8,3.5,3.7,4,5,5.5,6,3,6,6,6,7,7.2,8,6.9,7,7.4,7.5,7,8,8.2,8.5,4.2,9,4.3,7.2,2,9.3,7,10]
 
x = tiempo
y = nota
 
x = mean_data = np.array(x)
X=x[:,np.newaxis]
 
while True:
    X_train, X_test, y_train, y_test = train_test_split(X, y)
    mlr=MLPRegressor(solver="lbfgs",alpha=1e-5,hidden_layer_sizes=(3,3), random_state=1)
    mlr.fit(X_train, y_train)
    print(mlr.score(X_train, y_train))
    if mlr.score(X_train,y_train) > 0.95:
        break
 
print("Basándonos en exámenes anteriores, vas a sacar aprox: ")
print(mlr.predict(np.array(70).reshape(1, 1)))
#print(mlr.predict(np.array(73).reshape(1, 1)))

boton entrar

Deja un comentario