Обучите модель линейной регрессии средствами библиотеки Keras. Метод fit() напечатает на экране прогресс обучения и значение ошибки. Чтобы формат ответа был понятным, добавьте в этот метод аргумент verbose=2, где 2 означает вывод в консоль. Если указать 0, то его не будет вовсе; если — 1, то вывод предназначен для Jupyter Notebook.
Подсказка
Замените модель из библиотеки sklearn на модель из Keras.
import pandas as pd
#from sklearn.linear_model import LinearRegression
# подключение Keras
from tensorflow import keras
# data = pd.read_csv('/datasets/train_data_n.csv')
data = pd.read_csv('https://code.s3.yandex.net/datasets/train_data_n.csv')
features = data.drop('target', axis=1)
target = data['target']
# model = LinearRegression()
# model.fit(features, target)
# создание модели
model = keras.models.Sequential()
# параметры нейронной сети
model.add(keras.layers.Dense(units=1, input_dim=features.shape[1]))
# как обучается нейронная сеть
model.compile(loss='mean_squared_error', optimizer='sgd')
# обучить модель
model.fit(features, target, verbose=2)