Variabilität von Modellkoeffizienten berechnen
In dieser Lektion wirst du die zuvor verwendete Cross-Validation-Routine erneut ausführen – diesmal mit Blick auf die Stabilität des Modells über die Zeit. Du untersuchst die Koeffizienten des Modells sowie die Unsicherheit in seinen Vorhersagen.
Beginne damit, die Stabilität (bzw. Unsicherheit) der Modellkoeffizienten über mehrere CV-Splits hinweg zu beurteilen. Denk daran: Die Koeffizienten spiegeln das Muster wider, das dein Modell in den Daten gefunden hat.
Eine Instanz des Objekts für lineare Regression (model) steht dir in deinem Workspace zur Verfügung. Außerdem sind die Arrays X und y (die Daten) ebenfalls vorhanden.
Diese Übung ist Teil des Kurses
Maschinelles Lernen für Zeitreihendaten in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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] = ____