На этом шаге мы попытаемся предсказать цену дома.
Вызвав метод predict() нашей модели бинарной классификации, мы получили скалярную оценку в диапазоне от 0 до 1 для каждого образца во входной выборке. Метод predict() модели многоклассовой классификации вернул распределение вероятностей по всем классам для каждого образца. А predict() модели скалярной регрессии возвращает прогноз цены для данного образца в тысячах долларов:
predictions = model.predict(test_data)
print(predictions[0])
[8.213986]
Блокнот с регрессией можно взять здесь.
Таким образом, модель считает, что первый дом в контрольной выборке будет стоить чуть больше 8000 долларов.
На следующем шаге мы подведем некоторые итоги.
