پیش بینی ارزش های آینده(Predict Future Values)

اکنون می توانیم از اطلاعاتی که جمع آوری کرده ایم برای پیش بینی مقادیر آینده استفاده کنیم.



مثال: اجازه دهید سعی کنیم سرعت خودرویی را که از باجه عوارض عبور می کند پیش بینی کنیم
حدود ساعت 17 بعد از ظهر:


برای انجام این کار، به همان آرایه mymodel نیاز داریم
از مثال بالا:




mymodel = numpy.poly1d(numpy.polyfit(x, y, 3))





مثال


Predict the speed of a car passing at 17 P.M:



import numpy
from sklea
.metrics import r2_score

x =
[1,2,3,5,6,7,8,9,10,12,13,14,15,16,18,19,21,22]
y =
[100,90,80,60,60,55,60,65,70,70,75,76,78,79,90,99,99,100]

mymodel =
numpy.poly1d(numpy.polyfit(x, y, 3))

speed = mymodel(17)
print(speed)





مثال سرعت 88.87 را پیش‌بینی می‌کرد که می‌توانستیم آن را از نمودار بخوانیم: