Library SKLearn menyediakan implementasi dari regresi linier. Pada latihan kali ini kita akan memprediksi harga rumah berdasarkan jumlah kamar.

Pertama kita mengimpor library yang diperlukan. Lalu buat data dummy menggunakan numpy array.

import numpy as np

import matplotlib.pyplot as plt

#buat data jumlah kamar

bedrooms = np.array([1,1,2,2,3,4,4,5,5,5])

#data harga rummah. asumsi dalam dollar

house_price = np.array([15000, 18000, 27000, 34000, 50000, 68000, 65000, 81000,85000, 90000])

Selanjutnya kita bisa mencoba menampilkan data tersebut dalam bentuk scatter plot. Jumlah kamar pada sumbu X adalah variabel independen dan harga rumah pada sumbu Y  adalah variabel dependen.

# menampilkan scatter plot dari dataset

%matplotlib inline

plt.scatter(bedrooms, house_price)

Tampilan dari kode tersebut sebagai berikut.

Lalu pada cell berikutnya, kita bisa mulai melatih model kita dengan memanggil fungsi LinearRegression.fit() pada data kita.

from sklearn.linear_model import LinearRegression

bedrooms = bedrooms.reshape(-1, 1)

linreg = LinearRegression()

linreg.fit(bedrooms, house_price)

Terakhir kita bisa melihat bagaimana model kita menyesuaikan dengan data yang kita miliki dengan membuat plot dari model kita.

plt.scatter(bedrooms, house_price)

plt.plot(bedrooms, linreg.predict(bedrooms))

Hasilnya sebagai seperti di bawah ini

Model regresi linier adalah salah satu model machine learning yang paling sederhana. Model ini memiliki kompleksitas rendah dan bekerja sangat baik pada dataset yang memiliki hubungan linier. Jadi, ketika Anda menemui masalah yang terlihat memiliki hubungan linier, regresi linier dapat menjadi pilihan pertama sebagai model untuk dikembangkan