선형 모델 적합하기
이제 선형 모델을 적합해 보겠습니다. 선형 모델은 단순하고 이해하기 쉽기 때문입니다. 모델을 적합한 후에는 어떤 예측 변수가 타깃과 의미 있게 선형적으로 상관되어 있는지, 그리고 타깃에 미치는 영향의 크기는 어떤지 확인할 수 있어요. 예측 변수가 유의미한지에 대한 판단은 계수의 p-값에 근거합니다. 이는 t-검정을 사용해 계수가 0과 통계적으로 유의하게 다른지 검정하는 것입니다. p-값은 특정 특징의 계수가 0과 다르지 않을 확률(우연일 가능성)을 의미합니다. 일반적으로 p-값이 0.05보다 작으면 해당 계수가 0과 유의하게 다르다고 봅니다.
이 연습은 강의의 일부입니다
Python으로 배우는 금융 분야 Machine Learning
연습 안내
.fit()메서드를 사용해 선형 모델을 적합하고, 결과를results변수에 저장하세요..summary()함수로 결과 요약을 출력하세요.- 결과의 p-값(
results의.pvalues속성)을 출력하세요. results객체의.predict()함수로train_features와test_features에 대한 예측을 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 = ____