線形モデルを適合させる
ここでは、シンプルで理解しやすい線形モデルを適合させましょう。モデルを適合させると、どの予測変数がターゲットと有意な線形相関を持つか、またそれぞれがターゲットに与える影響の大きさを確認できます。予測変数が有意かどうかの判断は、係数のp値に基づいて行います。これはt検定を用いて、係数が0と有意に異なるかどうかを統計的に検証する方法です。p値は、ある特徴量の係数が0と変わらない確率を表します。一般的に、p値が0.05未満であれば、その係数は0と有意に異なると判断します。
この演習はコースの一部です
Python による金融のための Machine Learning
演習の手順
.fit()メソッドを使って線形モデルを適合させ、結果をresults変数に保存してください。.summary()関数を使って結果のサマリーを出力してください。resultsのp値（.pvaluesプロパティ）を出力してください。resultsオブジェクトの.predict()関数を使って、train_featuresとtest_featuresからそれぞれ予測値を求めてください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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 = ____