1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning pour la finance en Python
Connected

Вправа

Ajuster un modèle linéaire

Nous allons maintenant ajuster un modèle linéaire, parce qu'il est simple et facile à comprendre. Une fois le modèle ajusté, nous pourrons voir quelles variables prédictives semblent être linéairement corrélées de façon significative avec la cible, ainsi que l'ampleur de leur effet sur celle‑ci. Notre jugement sur la significativité des prédicteurs se fonde sur les valeurs p des coefficients. On utilise ici un test t pour vérifier statistiquement si le coefficient diffère de façon significative de 0. La valeur p représente la probabilité que le coefficient d'une caractéristique ne diffère pas de zéro. En général, on considère qu'une valeur p inférieure à 0,05 signifie que le coefficient est significativement différent de 0.

Інструкції

100 XP
  • Ajustez le modèle linéaire (avec la méthode .fit()) et enregistrez les résultats dans la variable results.
  • Affichez le sommaire des résultats avec la fonction .summary().
  • Affichez les valeurs p des résultats (la propriété .pvalues de results).
  • Générez des prédictions à partir de train_features et test_features avec la fonction .predict() de notre objet results.