1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do lineárního modelování v Pythonu
Connected

cvičení

Interpolace: Hodnoty mezi měřeními

V tomto cvičení sestavíš lineární model tak, že ho nafituješ na měsíční data časové řady indexu Dow Jones Industrial Average (DJIA), a pak pomocí tohoto modelu předpovíš hodnoty pro denní data – jde vlastně o interpolaci. Nakonec tuto denní předpověď porovnáš se skutečnými denními daty DJIA.

Pár poznámek k datům: zkratka „OHLC" znamená „Open-High-Low-Close" (otevírací, nejvyšší, nejnižší a závěrečná cena) a obvykle jde o denní data – například otevírací a závěrečná cena akcie v daný den. „DayCount" je celé číslo udávající počet dní od začátku sběru dat.

Pokyny

100 XP
  • Pomocí ols() a .fit() nafituj model na data data=df_monthly s formula="Close ~ DayCount".
  • Použij model_fit.predict() na df_monthly.DayCount i df_daily.DayCount, abys předpověděl/a hodnoty měsíčních a denních cen Close – výsledky ulož jako nový sloupec Model v každém DataFrame.
  • Dvakrát použij předdefinovanou funkci plot_model_with_data – jednou pro df_monthly a jednou pro df_daily – a porovnej zobrazené hodnoty RSS.