Caso especial: Modelos autorregresivos
Ahora que has creado versiones desplazadas en el tiempo de una única serie temporal, puedes ajustar un modelo auto-regresivo. Se trata de una regresión en el que las características de entrada son versiones desplazadas en el tiempo de los datos de las series temporales de salida. Estás utilizando valores anteriores de una serie temporal para predecir valores actuales de la misma serie temporal (por tanto, es autorregresiva).
Investigando los coeficientes de esta puedes explorar cualquier patrón repetitivo que exista en una serie temporal, y hacerte una idea de hasta qué punto en el pasado un punto de datos es predictivo del futuro.
Este ejercicio forma parte del curso
Machine learning para datos de series temporales en Python
Instrucciones de ejercicio
- Sustituye los valores perdidos en
prices_perc_shiftedpor la mediana del DataFrame y asígnala aX. - Sustituye los valores que faltan en
prices_percpor la mediana de la serie y asígnala ay. - Ajusta un modelo de regresión utilizando las matrices
Xyy.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este 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(____, ____)