Utforska modellkoefficienterna
Nu ska du undersöka modellens prestanda från ett annat perspektiv, och enbart på träningsdatan. I den senaste lektionen lärde du dig att inte alla modellkoefficienter är statistiskt signifikanta – det är därför viktigt att granska modellsammanfattningstabellen för att bedöma deras signifikans. Biblioteket statsmodels erbjuder just den här funktionaliteten. När du har skrivit ut modellsammanfattningstabellen, undersök vilka variabler som har ett p-värde lägre än 0,05 (dvs. lägre än 5 %) för att säkerställa att koefficienten är signifikant.
Träningssärdragen är inlästa som train_X och målvariabeln som train_Y, vilken har konverterats till en numpy-array.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Importera modulen
statsmodels.api. - Initiera en modellinstans på träningsdatan med funktionen
OLS(). - Anpassa modellen.
- Skriv ut modellsammanfattningen med metoden
.summary().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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.___())