設計說明

• 請使用線性迴歸預測方式撰寫程式，讀取NBApoints.csv，此資料收集了NBA球員的資訊。
• NBApoints.csv其中每一行都包含用逗號分隔的字串格式等共30個欄位，資料集的欄位詳細說明如下

• 請將Pos欄位及Tm欄位等非數值資料轉換為數值，以利進行後續處理。某些欄位可能有遺漏值（missing value），請直接刪除這些欄位有遺漏之資料。
• 接著建立機器學習模型並預測三分球命中次數(3P)，以全部欄位(3P,3PA, 3P%三個欄位除外)進行訓練。
• 運用sklearn.linear_model.score，計算出R-squared與P-value。

請依序回答下列問題

• 請填入此時R-squared 之值的模型解釋力（四捨五入取至小數點後第四位）？
• 檢定變數的顯著性，以該欄位的P-value （P值）是否小於0.05（信心水準95%）來判定。請問有哪些欄位的P值顯著？
• 若將新機器學習模型的特徵欄位改為前題所得的顯著欄位中最小的5個欄位以預測三分球命中次數(3P)，請填入此時R-squared 之值的模型解釋力（四捨五入取至小數點後第四位）？

請參考範例2-10-2NBA資料集線性迴歸.ipynb作答

作業成果

【雲端連結(請點我)https://colab.resear...D_eNCJ6f?usp=sharing】