Изучение коэффициентов модели
Теперь вы рассмотрите качество модели с другой стороны — и только на обучающих данных. В последнем уроке вы узнали, что не все коэффициенты модели являются статистически значимыми, поэтому стоит изучить сводную таблицу модели и проверить их значимость. К счастью, библиотека statsmodels предоставляет такую возможность. После вывода сводной таблицы обратите внимание на переменные, у которых p-значение ниже 0,05 (то есть ниже 5%) — это означает, что соответствующий коэффициент является значимым.
Обучающие признаки загружены как train_X, а целевая переменная — как train_Y, преобразованная в массив numpy.
Это упражнение является частью курса
Машинное обучение для маркетинга на Python
Инструкции к упражнению
- Импортируйте модуль
statsmodels.api. - Инициализируйте экземпляр модели на обучающих данных с помощью функции
OLS(). - Обучите модель.
- Выведите сводку модели с помощью метода
.summary().
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import `statsmodels.api` module
import ___.___ as sm
# Initialize model instance on the training data
olsreg = sm.___(train_Y, train_X)
# Fit the model
olsreg = olsreg.___()
# Print model summary
print(olsreg.___())