Fit một mô hình tuyến tính
Giờ chúng ta sẽ fit một mô hình tuyến tính vì chúng đơn giản và dễ hiểu. Sau khi fit mô hình, bạn có thể xem biến dự báo nào có vẻ tương quan tuyến tính có ý nghĩa với mục tiêu, cũng như độ lớn tác động của chúng lên mục tiêu. Việc đánh giá biến dự báo có ý nghĩa hay không dựa trên p-value của các hệ số. Đây là phép kiểm định t để kiểm tra thống kê xem hệ số có khác biệt đáng kể so với 0 hay không. p-value là xác suất (tỷ lệ phần trăm) rằng hệ số của một đặc trưng không khác 0. Thông thường, ta coi p-value nhỏ hơn 0,05 là hệ số khác 0 một cách có ý nghĩa thống kê.
Bài tập này là một phần của khóa học
Machine Learning cho Tài chính bằng Python
Hướng dẫn bài tập
- Fit mô hình tuyến tính (dùng phương thức
.fit()) và lưu kết quả vào biếnresults. - In phần tóm tắt kết quả bằng hàm
.summary(). - In các p-value từ kết quả (thuộc tính
.pvaluescủaresults). - Tạo dự đoán từ
train_featuresvàtest_featuresbằng hàm.predict()của đối tượngresults.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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 = ____