1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Dopasowanie modelu liniowego

Dopasujemy teraz model liniowy – jest prosty i łatwy do zrozumienia. Po dopasowaniu modelu można sprawdzić, które zmienne predykcyjne wykazują istotną liniową korelację z wartością docelową, a także ocenić siłę ich wpływu. O tym, czy dany predyktor jest istotny, decydują wartości p współczynników. Wyznacza się je za pomocą testu t, który sprawdza, czy współczynnik różni się istotnie od zera. Wartość p to prawdopodobieństwo (wyrażone w procentach), że współczynnik dla danej cechy nie różni się od zera. Przyjmuje się, że wartość p poniżej 0,05 oznacza, że współczynnik jest istotnie różny od zera.

Instrukcje

100 XP
  • Dopasuj model liniowy (używając metody .fit()) i zapisz wyniki w zmiennej results.
  • Wyświetl podsumowanie wyników za pomocą funkcji .summary().
  • Wyświetl wartości p z wyników (właściwość .pvalues obiektu results).
  • Utwórz prognozy na podstawie train_features i test_features, używając funkcji .predict() obiektu results.