Analysera sammanfattningen av den linjära modellen
Att analysera prestandan hos olika imputerade modeller är en av de viktigaste uppgifterna när man arbetar med saknade data. Det avgör vilken imputerad DataFrame du kan förlita dig på. För analysen kan du anpassa en linjär regressionsmodell till den imputerade DataFrame och kontrollera olika parametrar som påverkar valet av imputeringsmetod.
I den här övningen har du redan laddat DataFrame diabetes_cc, som är det kompletta fallet av diabetesdatan. Det kompletta fallet fungerar som utgångspunkt för jämförelse mot andra imputerade DataFrames. Du använder paketet statsmodels.api inläst som sm för att skapa en linjär regressionsmodell och generera sammanfattningar.
Den här övningen är en del av kursen
Hantera saknade värden i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Add constant to X and set X & y values to fit linear model
X = sm.add_constant(___)
y = ___
lm = sm.OLS(y, X).fit()