Tener en cuenta la no estacionariedad
En este ejercicio, volverás a visualizar las variaciones en las puntuaciones del modelo, pero ahora para datos cuyas estadísticas cambian con el tiempo.
Tienes una instancia del objeto de modelo de regresión lineal en model, un objeto de validación cruzada en cv, y los datos en X y y.
Este ejercicio forma parte del curso
Machine Learning para datos de series temporales en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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