Výpočet variability koeficientů modelu
V této lekci znovu spustíš křížovou validaci, kterou jsi používal/a dříve, ale tentokrát se zaměříš na stabilitu modelu v čase. Prozkoumáš koeficienty modelu i nejistotu jeho předpovědí.
Začni tím, že vyhodnotíš stabilitu (resp. nejistotu) koeficientů modelu napříč více rozděleními při křížové validaci. Pamatuj, že koeficienty odrážejí vzor, který model v datech objevil.
V pracovním prostoru máš k dispozici instanci objektu lineární regrese (model) a také pole X a y s daty.
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.
# Iterate through CV splits
n_splits = 100
cv = TimeSeriesSplit(n_splits=____)
# Create empty array to collect coefficients
coefficients = np.____([n_splits, X.shape[1]])
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Fit the model on training data and collect the coefficients
model.fit(X[tr], y[tr])
coefficients[ii] = ____