Caso especial: modelos autorregresivos

Ahora que has creado versiones desplazadas en el tiempo de una única serie temporal, puedes ajustar un modelo autorregresivo. Es un modelo de regresión en el que las variables de entrada son versiones desplazadas en el tiempo de la misma serie temporal que quieres predecir. Estás usando valores pasados de una serie temporal para predecir valores actuales de esa misma serie (por eso es autorregresivo).

Al investigar los coeficientes de este modelo, puedes explorar patrones repetitivos que existan en una serie temporal y hacerte una idea de hasta qué punto en el pasado un dato es predictivo del futuro.

Este ejercicio forma parte del curso

Machine Learning para datos de series temporales en Python

Ver curso

Instrucciones del ejercicio

Sustituye los valores ausentes en prices_perc_shifted por la mediana del DataFrame y asígnalo a X.
Sustituye los valores ausentes en prices_perc por la mediana de la serie y asígnalo a y.
Ajusta un modelo de regresión usando los arrays X y y.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Replace missing values with the median for each column
X = prices_perc_shifted.____(np.____(prices_perc_shifted))
y = prices_perc.____(np.___(prices_perc))

# Fit the model
model = Ridge()
model.fit(____, ____)

Editar y ejecutar código