Aplicar un modelo de regresión lineal

Ejemplo en Python Regresión Lineal - Sin hacer el Split

# Data Set con Cantidades para predicción

data3 = {'periodoacademico ': [2018,2019,2020, 2021,2022],

                'cantidad': [6171, 11979, 13472,16710,20710]}

dfprueba3 = pd.DataFrame(data3)

dfprueba3

periodoacademico - cantidad

2018 - 6171

2019 - 11979

2020 - 13472

2021, - 16710

2022 - 20710

from sklearn.linear_model import LinearRegression

# 1- Instanciar

modelo_regresion = LinearRegression() # Siempre poner los paréntesis para instanciar el modelo de forma correcta

# Definir las características (X) y la variable objetivo (y)

# Definir las características (X) para este ejemplo sólo se tiene 1 variable. Luego se configura la variable objetivo (y)

# La variable objetivo (y), también es llamada "Dependiente" o "Target".

X=dfprueba3.drop('cantidad',axis=1) # Otra opción es X = df[['PA']]

y=dfprueba3['cantidad']

# 2- Fitear

modelo_regresion.fit(X,y) # Ajuste a la recta (acomodar los puntos)

LinearRegression

LinearRegression()

# 3- Predecir

y_preds = modelo_regresion.predict(X) # Quiero saber cuales son las predicciones y lo guardo en la variable -

from sklearn.metrics import r2_score

#4- Métrica con R Cuadrado (R2)

# Valores entre 0 y 1. Mejor Valor carcano a 1 y si da 0 es lo mismo que el promedio

r2_score(y_preds,y)

0.969062859898073