ЛММО. 9/24.5/11.5/6.Задача 4

Обучите модель линейной регрессии, посчитайте MAE и R². Сохраните их в переменные mae и r2 и выведите на экран.

from matplotlib import pyplot as plt
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
# импортируйте функции для R2, MAE
from sklearn.metrics import r2_score
from sklearn.metrics import mean_absolute_error
# создание константы RANDOM_STATE
RANDOM_STATE = 42
# считываем CSV-файл в датафрейм pandas, разделяем выборки
df = pd.read_csv('real_estate_clean_extended.csv')
X = df.drop('price', axis=1)
y = df['price']
X_train, X_test, y_train, y_test = train_test_split(
    X, 
    y, 
    random_state=RANDOM_STATE
)
# инициализируем модель линейной регрессии
model_lr  = LinearRegression()

# обучите модель на тренировочных данных
# получите предсказания модели на тестовых данных 
# сохраните результат в переменную predictions
model_lr  = LinearRegression()
model_lr.fit(X_train, y_train)
predictions = model_lr.predict(X_test)

# рассчитайте MAE и R2 для линейной регрессии
r2 = r2_score(y_test, predictions)
mae = mean_absolute_error(y_test, predictions)

# вывод полученных значений
print(f"R2 LinearRegression = {r2:.3f}")
print(f"MAE LinearRegression = {mae:.0f}")