La regresión lineal predice un objetivo numérico con un término independiente y una suma ponderada de variables. En los registros ficticios de entregas, la distancia, el número de artículos y si es fin de semana explican parte de la duración. El modelo estima sus pesos a partir de las filas de entrenamiento. Las predicciones siguen siendo numéricas y pueden quedar entre valores observados del objetivo.
Ajusta el estimador antes de llamar a predict y pasa las columnas de variables en el mismo orden. Un buen ajuste en las filas de entrenamiento no elimina la necesidad de medir el error con datos reservados. El MAE resume el error absoluto típico en unidades de duración; el RMSE penaliza más los residuos grandes. El término independiente importa porque una ruta puede llevar tiempo aunque sus entradas numéricas sean cero. Estos ejercicios avanzan desde el ajuste hasta el informe del error, con registros nuevos en lugar de un conjunto de datos de referencia copiado.
El estimador ajustado aprende de la partición de entrenamiento. Predecir las entradas reservadas da una salida por cada observación de prueba, lista para evaluarla.