Vizualizace předpovězených hodnot
Při práci s časovými řadami je užitečné vizualizovat předpovědi modelu společně se „skutečnými" hodnotami, které slouží k jeho testování.
V tomto cvičení rozdělíš data (uložená v proměnných X a y) na trénovací a testovací sadu, sestavíš model a pak jeho předpovědi vykreslíš spolu s testovacími daty, aby sis mohl/a odhadnout výkonnost modelu.
Toto cvičení je součástí kurzu
Machine Learning pro data časových řad v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
# Split our data into training and test sets
X_train, X_test, y_train, y_test = train_test_split(____, ____,
train_size=.8, shuffle=False)
# Fit our model and generate predictions
model = Ridge()
model.fit(____, ____)
predictions = model.predict(____)
score = r2_score(y_test, predictions)
print(score)