สำรวจค่าสัมประสิทธิ์ของโมเดล

ในแบบฝึกหัดนี้ จะสำรวจประสิทธิภาพของโมเดลในมุมมองที่แตกต่างออกไป โดยใช้เฉพาะข้อมูลชุด training สิ่งหนึ่งที่ได้เรียนรู้จากบทเรียนล่าสุดคือ ค่าสัมประสิทธิ์ของโมเดลไม่จำเป็นต้องมีนัยสำคัญทางสถิติทุกตัว เราจึงควรดู model summary table เพื่อตรวจสอบความมีนัยสำคัญของแต่ละตัว โชคดีที่ไลบรารี statsmodels มีฟังก์ชันนี้ให้พร้อม เมื่อแสดง model summary table แล้ว ให้สังเกตว่าตัวแปรใดมีค่า p-value ต่ำกว่า 0.05 (กล่าวคือ ต่ำกว่า 5%) ซึ่งบ่งชี้ว่าค่าสัมประสิทธิ์นั้นมีนัยสำคัญทางสถิติ

ฟีเจอร์ของชุด training ถูกโหลดไว้ในตัวแปร train_X และตัวแปรเป้าหมายอยู่ใน train_Y ซึ่งถูกแปลงเป็น numpy array แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

Import โมดูล statsmodels.api
สร้าง instance ของโมเดลบนข้อมูล training โดยใช้ฟังก์ชัน OLS()
Fit โมเดล
แสดง model summary โดยใช้เมธอด .summary()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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.___())

แก้ไขและรันโค้ด