predicted_value1 = regr1.predict (9) signification de cette déclaration

Question

Je suis un débutant à la science des données et j'ai téléchargé le code qui dira aux téléspectateurs pour la semaine prochaine.

Mais dans ce code suivant je ne suis pas capable de comprendre ce que fait la fonction suivante, et comment elle va prédire les valeurs.

L'ensemble de données est de 7 valeurs pour chacun. Pourquoi seulement 9 sont insérés dans les accolades?

regr1 = linear_model.LinearRegression() 
    regr1.fit(x1, y1) 
    predicted_value1 = regr1.predict(9) 

Que feront ces lignes?

Voici le code complet:

import pandas as pd 
    def get_data(file_name): 
     data = pd.read_csv(file_name) 
     flash_x_parameter = [] 
     flash_y_parameter = [] 
     arrow_x_parameter = [] 
     arrow_y_parameter = [] 
     for x1,y1,x2,y2 in zip(data['flash_episode_number'], 
      data['flash_us_viewers'], 
      data['arrow_episode_number'],data['arrow_us_viewers']): 
        flash_x_parameter.append([float(x1)]) 
        flash_y_parameter.append(float(y1)) 
        arrow_x_parameter.append([float(x2)]) 
        arrow_y_parameter.append(float(y2)) 
    return flash_x_parameter, 
     flash_y_parameter,arrow_x_parameter,arrow_y_parameter 


    def more_viewers(x1,y1,x2,y2): 
     regr1 = linear_model.LinearRegression() 
     regr1.fit(x1, y1) 
     predicted_value1 = regr1.predict(9) 

     regr2 = linear_model.LinearRegression() 
     regr2.fit(x2, y2) 
     predicted_value2 = regr2.predict(9) 
     print predicted_value1,"are the flash viewers" 
     print predicted_value2,"are the arrow viewers" 
     if predicted_value1 > predicted_value2: 
      print "The Flash Tv Show will have more viewers for next week" 
    else: 
     print "Arrow Tv Show will have more viewers for next week" 
    x1,y1,x2,y2 = get_data('C:\\Users\\SHIVAPRASAD\\Desktop\\test.csv') 

    more_viewers(x1,y1,x2,y2) 

Answer 1

Non, vos données ne sont l'ensemble des 7 valeurs, il a 9 lignes:

+----------------+-------------------+----------------+------------------+ 
| FLASH_EPISODE | FLASH_US_VIEWERS | ARROW_EPISODE | ARROW_US_VIEWERS | 
+----------------+-------------------+----------------+------------------+ 
|    1 |    4.83 |    1 |    2.84 | 
|    2 |    4.27 |    2 |    2.32 | 
|    3 |    3.59 |    3 |    2.55 | 
|    4 |    3.53 |    4 |    2.49 | 
|    5 |    3.46 |    5 |    2.73 | 
|    6 |    3.73 |    6 |    2.6 | 
|    7 |    3.47 |    7 |    2.64 | 
|    8 |    4.34 |    8 |    3.92 | 
|    9 |    4.66 |    9 |    3.06 | 
+----------------+-------------------+----------------+------------------+ 

(. Que votre code est de Dataconomy Linear Regression Implementation in Python) La valeur 9 dans la commande

predicted_value1 = regr1.predict(9) 

est OK.