предстоит написать собственный алгоритм линейной регрессии, а также метрику оценки этого алгоритма.

import numpy as np

np.random.seed(42)

class LinearRegression:

    def __init__(self, **kwargs):

        self.coef_ = None

        pass

    def fit(self, x: np.array, y: np.array):

        # TODO: напишите метод .fit() класса LinearRegression

        pass

    def predict(self, x: np.array):

        # TODO: напишите метод .predict(x) класса LinearRegression

        pass

Вам предложен шаблон класса LinearRegression. Реализуйте методы .fit() и .predict() соответствующие изложенной выше модели. В рамках выполнения этого задания можно пользоваться только библиотекой numpy. Использование любых других библиотек приведёт к ошибке при проверке задания автоматизированной системой. Также мы просим Вас не менять название класса и обозначенных методов, это также приведёт к ошибке. Добавлять свои методы в класс можно.

Полученные коэффициенты модели должны храниться в поле .coef_

Шаблон класса LinearRegression приведён ниже. Заполните все необходимые пропуски и отправьте получившийся файл в яндекс.контест. Не забудьте про все необходимые импорты.

1. Не забывайте добавлять столбец единиц (он нужен для добавления смещений).
2. При использовании различных матричных операций не забывайте проверять соответствие размерностей матриц-операндов. Не забывайте делать транспонирование там, где это требуется
3. Обращайте внимание на названия полей (self.coef_), методов (fit, predict) и порядка их параметров в предлагаемом шаблоне (см. выше). Сдаваемый на проверку код должен соответствовать предлагаемому шаблону.