1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w marketingu w Pythonie
Connected

ćwiczenie

Analiza współczynników modelu

Teraz przeanalizujesz wydajność modelu z innej perspektywy – wyłącznie na danych treningowych. Z ostatniej lekcji wiesz już, że nie wszystkie współczynniki modelu są statystycznie istotne i warto zajrzeć do tabeli podsumowania modelu, aby sprawdzić ich istotność. Na szczęście biblioteka statsmodels oferuje tę funkcjonalność. Po wyświetleniu tabeli podsumowania modelu sprawdź, które zmienne mają wartość p niższą niż 0,05 (czyli poniżej 5%) – to potwierdza, że dany współczynnik jest istotny.

Cechy treningowe są załadowane jako train_X, a zmienna docelowa jako train_Y, przekonwertowana do tablicy numpy.

Instrukcje

100 XP
  • Zaimportuj moduł statsmodels.api.
  • Zainicjalizuj instancję modelu na danych treningowych, używając funkcji OLS().
  • Dopasuj model.
  • Wyświetl podsumowanie modelu, używając metody .summary().