Estratto dal libro Machine Learning con Python e Scikit-learn In scikit-learn il package linear_model rende disponibile la funzione LinearRegression che implementa questo modello supervisionato utilizzato quando la variabile di uscita è continua e segue una relazione lineare con le variabili di input. L’implementazione avviene con le semplici righe di codice: from sklearn.linear_model import LinearRegression regression_model = LinearRegression() regression_model.fit(x_train, y_train) y_pred = regression_model.predict(x_test) Con la funzione LinearRegression creiamo l’oggetto regressione lineare, col metodo fit l’addestriamo utilizzando i dati del training set e, infine, col metodo predict effettuiamo la previsione sui dati di test. Effettuiamo una regressione lineare sul dataset “California Housing”. Iniziamo con l’importare i dati: from sklearn.datasets import fetch_california_housing data = fetch_california_housing(as_frame=True) import pandas as pd…