Analysiere die Zusammenfassung des linearen Modells
Die Leistung der unterschiedlich imputierten Modelle zu analysieren, ist eine der wichtigsten Aufgaben beim Umgang mit fehlenden Werten. Sie entscheidet darüber, auf welche Art von imputiertem DataFrame du dich verlassen kannst. Für die Analyse kannst du ein lineares Regressionsmodell auf den imputierten DataFrame fitten und verschiedene Parameter prüfen, die die Wahl der Imputationsmethode beeinflussen.
In dieser Übung ist der DataFrame diabetes_cc bereits geladen. Er stellt den Complete Case des Diabetes-DataFrames dar. Dieser Complete Case dient als Basis zum Vergleich mit anderen imputierten DataFrames. Du verwendest das Paket statsmodels.api, geladen als sm, um ein lineares Regressionsmodell zu erstellen und Zusammenfassungen zu generieren.
Diese Übung ist Teil des Kurses
<Kurs>Umgang mit fehlenden Daten in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Add constant to X and set X & y values to fit linear model
X = sm.add_constant(___)
y = ___
lm = sm.OLS(y, X).fit()