शुरू करेंमुफ़्त में शुरू करें

एक लीनियर मॉडल फिट करें

अब हम एक लीनियर मॉडल फिट करेंगे, क्योंकि ये सरल होते हैं और समझना आसान होता है. मॉडल फिट करने के बाद, हम देख सकते हैं कि कौन से प्रेडिक्टर वैरिएबल टार्गेट के साथ अर्थपूर्ण रूप से लीनियर कोरिलेटेड लगते हैं, और उनका टार्गेट पर असर कितना बड़ा है. प्रेडिक्टर्स के महत्वपूर्ण होने का हमारा निर्णय कोएफ़िशिएंट्स के p-values पर आधारित होता है. यह t-test का उपयोग करता है ताकि सांख्यिकीय रूप से जाँचा जा सके कि कोएफ़िशिएंट 0 से अर्थपूर्ण रूप से अलग है या नहीं. p-value वह प्रतिशत संभावना है कि किसी फीचर का कोएफ़िशिएंट शून्य से अलग नहीं है. आम तौर पर, हम p-value 0.05 से कम होने को मानते हैं कि कोएफ़िशिएंट 0 से महत्वपूर्ण रूप से भिन्न है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Finance के लिए Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • लीनियर मॉडल को .fit() मेथड से फिट करें और नतीजे results वैरिएबल में सेव करें.
  • .summary() फंक्शन से परिणामों का सारांश प्रिंट करें.
  • परिणामों से p-values प्रिंट करें (results की .pvalues प्रॉपर्टी).
  • हमारे results ऑब्जेक्ट की .predict() फंक्शन का उपयोग करके train_features और test_features से प्रेडिक्शन बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create the linear model and complete the least squares fit
model = sm.OLS(train_targets, train_features)
results = model.____  # fit the model
print(results.____)

# examine pvalues
# Features with p <= 0.05 are typically considered significantly different from 0
print(results.____)

# Make predictions from our model for train and test sets
train_predictions = results.predict(train_features)
test_predictions = ____
कोड संपादित करें और चलाएँ