Berücksichtigung von Nichtstationarität
In dieser Übung visualisierst du erneut die Schwankungen der Modellbewertungen, diesmal jedoch für Daten, deren Statistik sich im Zeitverlauf ändert.
Eine Instanz des Objekts für lineare Regression ist in model gespeichert, ein Cross-Validation-Objekt in cv, und die Daten in X und y.
Diese Übung ist Teil des Kurses
Maschinelles Lernen für Zeitreihendaten in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Pre-initialize window sizes
window_sizes = [25, 50, 75, 100]
# Create an empty DataFrame to collect the stores
all_scores = ____(index=times_scores)
# Generate scores for each split to see how the model performs over time
for window in window_sizes:
# Create cross-validation object using a limited lookback window
cv = ____(n_splits=100, max_train_size=window)
# Calculate scores across all CV splits and collect them in a DataFrame
this_scores = ____(____, ____, ____, cv=cv, scoring=my_pearsonr)
all_scores['Length {}'.format(window)] = this_scores