Anpassa en linjär modell
Nu ska vi anpassa en linjär modell, eftersom de är enkla och lätta att förstå. När modellen är anpassad kan vi se vilka prediktorvariabler som verkar vara meningsfullt linjärt korrelerade med målet, samt hur stor effekt de har på det. Vi bedömer om prediktorer är signifikanta utifrån koefficienternas p-värden. Det görs med ett t-test som statistiskt testar om en koefficient skiljer sig signifikant från 0. P-värdet anger sannolikheten i procent att koefficienten för ett särdrag inte skiljer sig från noll. Vanligtvis innebär ett p-värde under 0,05 att koefficienten är signifikant skild från 0.
Den här övningen är en del av kursen
Maskininlärning för finans i Python
Övningsinstruktioner
- Anpassa den linjära modellen (med metoden
.fit()) och spara resultaten i variabelnresults. - Skriv ut en sammanfattning av resultaten med funktionen
.summary(). - Skriv ut p-värdena från resultaten (egenskapen
.pvaluesiresults). - Gör förutsägelser från
train_featuresochtest_featuresmed funktionen.predict()i vårtresults-objekt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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 = ____