Lineer bir modeli uydur
Şimdi basit ve anlaşılması kolay oldukları için bir lineer model uyduracağız. Modelimizi uydurduktan sonra, hangi yordayıcı değişkenlerin hedefle anlamlı bir şekilde lineer korelasyon gösterdiğini ve hedef üzerindeki etki büyüklüklerini görebiliriz. Yordayıcıların anlamlı olup olmadığına ilişkin yargımız, katsayıların p-değerlerine dayanır. Bu, katsayının istatistiksel olarak 0'dan anlamlı şekilde farklı olup olmadığını sınamak için bir t-testi kullanır. P-değeri, bir özelliğin katsayısının sıfırdan farklı olmama olasılığıdır. Genellikle, 0,05'ten küçük bir p-değerini katsayının 0'dan anlamlı derecede farklı olduğu şeklinde yorumlarız.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
- Lineer modeli (
.fit()yöntemini kullanarak) uydur ve sonuçlarıresultsdeğişkenine kaydet. .summary()fonksiyonuyla sonuç özetini yazdır.- Sonuçlardaki p-değerlerini (
results'ın.pvaluesözelliği) yazdır. resultsnesnemizin.predict()fonksiyonunu kullanaraktrain_featuresvetest_featuresiçin tahminler yap.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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 = ____