擬合線性模型
現在我們要擬合一個線性模型，因為它簡單且容易理解。模型擬合完成後，你可以看到哪些預測變數與目標之間呈現有意義的線性關聯，以及它們對目標的影響幅度。判斷預測變數是否具有顯著性，是根據係數的 p 值。這相當於用 t 檢定來統計檢驗該係數是否與 0 有顯著差異。p 值代表某個特徵的係數與 0 沒有差異的機率。一般而言，p 值小於 0.05 就代表該係數與 0 有顯著差異。
本練習屬於課程
Python 金融 Machine Learning
練習說明
- 使用
.fit()方法擬合線性模型，並將結果存入results變數。 - 使用
.summary()函式列印結果摘要。 - 列印結果中的 p 值（
results的.pvalues屬性）。 - 使用
results物件的.predict()函式，分別對train_features與test_features進行預測。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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 = ____