Vijaya Liinear
Vijaya Liinear
liniară Faci parte dintr-o firmă de investiții și munca ta este să faci cercet ări
despre aceste 759 de firme. Vi se furnizează setul de date care con ține vânz ările
și alte atribute ale acestor 759 de firme. Previzionați vânzările acestor firme pe
baza detaliilor furnizate în setul de date, astfel încât să vă ajuta ți compania s ă
investească conștient. De asemenea, oferiți-le 5 atribute care sunt cele mai
importante.
Primul pas al analizei noastre, trebuie să importăm toate bibliotecile necesare. După încărcarea
bibliotecilor, trebuie să ne încărcăm data_set (Firm_level_data) pentru analiza noastră.
1. În primul rând, am aflat care sunt toate intrările din setul de date verificând primele 5 rânduri.
Din cele de mai sus, acum ne-am făcut o idee despre modul în care au fost introduse datele.
2. Următorul pas este că trebuie să cunoaștem detaliile coloanelor, împreună cu câte intrări și tipul
de date al tuturor variabilelor.
Din cele de mai sus, putem deduce că există 10 coloane cu 759 de intrări, cu excepția sp500,
toate variabilele sunt int și float, unde sp500 este un obiect.
3. Acum, trebuie să știm dacă toate variabilele au valori nule în setul de date dat.
Din ieșirea de mai sus, cu excepția "tobinq", toate variabilele nu au valori nule. Deoarece
numărul de valori nule ale "tobinq" este mai mic, le putem modifica pe cele cu valoarea medie.
După acest proces, am observat că toate valorile nule sunt modificate.
4. Apoi, acum trebuie să știm dacă există valori duplicate sau nu.
i) Vânzări:
ii) Capital:
Din cele de mai sus, se înțelege că nu există valori aberante, iar valorile variază de la 0 la 12.
iv) Randd:
"Randd" nu are valori aberante prezente, iar datele variază între 0 și 150.
v) Angajare:
Variabila "ocuparea forței de muncă" nu are valori aberante, iar datele variază de la 0 t 10.
vi) Tobinq:
Există multe valori aberante prezente în date, care trebuie luate în considerare. Valoarea
variază între 1 și 3.
vii) Valoare:
Vânzările și capitalul sunt din ce în ce mai frecvent legate. Deci, pentru a prezice vânzările , putem lua
"Capital" pentru împărțirea datelor.
Analiza multivariată:
1.2 Imputați valori nule dacă există? Credeți că scalarea este necesară în acest caz? (8
puncte)
Toate valorile nule prezente în baza de date au fost imputate. Scalarea este necesară pentru
a converti variabilele cu măsurători diferite în aceeași măsurătoare.
Scalarea este necesară și în setul nostru de date. Am tratat valorile aberante prezente în
setul de date și apoi am făcut normalizările StandardScaler.
Ans 1.3 Am codificat datele (având valori șir) pentru Model ling și, de asemenea,
am făcut Data Split: Împărțiți datele în test și tren (70:30).
Trebuie să împărțim setul de date dat în instruire și testare prin separarea X și Y, X tren,
X_test,Y_train,Y_test.
1.4 Inferență:
Înainte de a merge pentru nou, trebuie să verificăm dacă capitalul investit este bun, care se
reflectă în scatterplot.
2.1 Ingestia de date: Citiți setul de date. Faceți statisticile descriptive și verificați condiția
valorii
nule, scrieți o deducție pe ea. Efectuați analize univariate și bivariate.
Faceți analize de date exploratorii. (8 puncte)
Trebuie să importăm toate fișierele de bibliotecă necesare pentru a procesa analiza datelor.
Trebuie să verificați intrările capului.
Descriere:
Informaţii:
Din cele de mai sus, putem deduce că există în total 15 coloane cu 11217 intrări. Prima coloană este fără
nume . Tipurile de date sunt întregi, float,object.
Ans 2.3 Valorile de performanță ale regresiei logistice și ale modelului de analiză
discriminantă
liniară sunt prezentate mai jos:
Din rezultatele de mai sus, deducem că avem o precizie de 96% pe setul de date de testare.
2.4 Perspective:
Precizia atât a instruirii, cât și a testării este mai mult sau mai puțin aceeași cu
98%. Matricea confuziei arată, de asemenea, similitudinea. Putem concluziona că
metoda logistică este mai bună pentru a prezice analiza.