用线性回归预测预期寿命

在该实验室中，你将使用关于出生时的平均预期寿命以及全世界男性的平均BMI的数据。 数据来自Gapminder。

工作区

Notebook 将在课堂内打开。 但是，如果您想单独打开它，可以从 GitHub仓库 中克隆这些资料。

在这个实验中，导航到主分支，然后打开** Regression.ipynb 。 像往常一样，如果你需要任何提示，请随时打开 RegressionSolutions.ipynb **。

数据文件可以在文件夹中的 "bmi_and_life_expectancy.csv" 标签下找到。 它包括三列，包含以下数据：

• 国家(Country) - 该个体出生的国家。
• 预期寿命(Life expectancy ) - 该国人的平均预期寿命。
• ** BMI ** - 该国男性的平均BMI。

你需要完成以下每个步骤：

** 1. 加载数据**

• 数据位于名为“bmi_and_life_expectancy.csv”的文件中。
• 使用熊猫 read_csv 将数据加载到 dataframe 中。
• 将 dataframe 分配给变量bmi_life_data。

** 2. 建立一个线性回归模型**

• 使用scikit-learn的 线性回归 创建回归模型并将其分配给
  bmi_life_model。
• 将模型拟合到数据中。

3. 预测使用模型

• 使用BMI 21.07931预测并将其分配给变量 laos_life_exp。