Antrenează un model liniar

Vom antrena acum un model liniar, deoarece este simplu și ușor de înțeles. După antrenare, putem identifica ce variabile predictor par să fie corelate liniar cu ținta, precum și magnitudinea efectului lor asupra acesteia. Evaluăm semnificația predictorilor pe baza valorilor p ale coeficienților. Aceasta implică un test t pentru a verifica statistic dacă un coeficient diferă semnificativ de 0. Valoarea p reprezintă probabilitatea ca un coeficient al unei caracteristici să nu difere de zero. De regulă, o valoare p mai mică de 0,05 indică faptul că respectivul coeficient este semnificativ diferit de 0.

Acest exercițiu face parte din cursul

Machine Learning pentru finanțe în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Antrenează modelul liniar (folosind metoda .fit()) și salvează rezultatele în variabila results.
Afișează rezumatul rezultatelor cu funcția .summary().
Afișează valorile p din rezultate (proprietatea .pvalues a obiectului results).
Generează predicții pe baza train_features și test_features folosind funcția .predict() a obiectului results.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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 = ____

Editează și rulează codul