Дослідіть коефіцієнти моделі
Тепер ви проаналізуєте роботу моделі з іншого боку і лише на тренувальних даних. Ви дізналися в останньому уроці, що не всі коефіцієнти моделі є статистично значущими, тож варто переглядати підсумкову таблицю моделі, щоб оцінити їхню значущість. На щастя, бібліотека statsmodels має цю функціональність. Після того як ви виведете підсумкову таблицю моделі, з'ясуйте, у яких змінних p-value менше за 0,05 (тобто менше за 5%), щоб упевнитися, що коефіцієнт є значущим.
Тренувальні ознаки завантажені як train_X, а цільова змінна — як train_Y, яку перетворено на масив numpy.
Ця вправа є частиною курсу
Machine Learning для маркетингу в Python
Інструкції до вправи
- Імпортуйте модуль
statsmodels.api. - Ініціалізуйте екземпляр моделі на тренувальних даних за допомогою функції
OLS(). - Підженіть модель.
- Виведіть зведення моделі методом
.summary().
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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.___())