Cálculo de la variabilidad de los coeficientes del modelo
En esta lección, volverás a ejecutar la rutina de validación cruzada utilizada anteriormente, pero esta vez prestando atención a la estabilidad del modelo a lo largo del tiempo. Investigarás los coeficientes del modelo, así como la incertidumbre de sus predicciones.
Empieza por evaluar la estabilidad (o incertidumbre) de los coeficientes de un modelo a través de múltiples divisiones de CV. Recuerda que los coeficientes son un reflejo del patrón que tu modelo ha encontrado en los datos.
Dispones de una instancia del objeto Regresión lineal (model) en tu espacio de trabajo. También están disponibles las matrices X y y (los datos).
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.
# 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] = ____