Ein einfaches Regressionsmodell fitten
Jetzt betrachten wir eine größere Anzahl von Unternehmen. Zur Erinnerung: Wir haben historische Kurswerte für viele Unternehmen. Lass uns Daten mehrerer Unternehmen nutzen, um den Wert eines Testunternehmens vorherzusagen. Du versuchst, den Apple-Aktienkurs mithilfe der Werte von NVidia, Ebay und Yahoo vorherzusagen. Jede dieser Reihen ist als Spalte im DataFrame all_prices gespeichert. Unten findest du eine Zuordnung vom Firmennamen zum Spaltennamen:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Wir verwenden diese Spalten, um die Eingabe-/Ausgabe-Arrays in unserem Modell zu definieren.
Diese Übung ist Teil des Kurses
Maschinelles Lernen für Zeitreihendaten in Python
Anleitung zur Übung
- Erstelle die Arrays
Xundy, indem du die angegebenen Spaltennamen verwendest. - Die Eingabewerte sollen von den Unternehmen „ebay“, „nvidia“ und „yahoo“ stammen
- Die Ausgabewerte sollen vom Unternehmen „apple“ stammen
- Nutze die Daten, um das Modell mit Cross-Validation zu trainieren und zu bewerten.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)