Visualizar los valores previstos
Cuando tratamos con datos de series temporales, es útil visualizar las predicciones del modelo sobre los valores "reales" que se utilizan para probar el modelo.
En este ejercicio, después de dividir los datos (almacenados en las variables X y y) en conjuntos de entrenamiento y de prueba, construirás un modelo y luego visualizarás las predicciones del modelo en la parte superior
de los datos de prueba para estimar el rendimiento del modelo.
Este ejercicio forma parte del curso
Machine learning para datos de series temporales en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
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)