Ajuster un modèle de régression simple
Passons maintenant à un plus grand nombre d'entreprises. Rappelez-vous que nous avons des valeurs historiques de prix pour de nombreuses sociétés. Utilisons les données de plusieurs entreprises pour prédire la valeur d'une entreprise test. Vous allez tenter de prédire le cours de l'action Apple en utilisant les valeurs de NVidia, Ebay et Yahoo. Chacune de ces séries est stockée comme une colonne dans le DataFrame all_prices. Voici la correspondance entre le nom de l'entreprise et le nom de la colonne :
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Nous utiliserons ces colonnes pour définir les tableaux d'entrée et de sortie dans notre modèle.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Instructions de l’exercice
- Créez les tableaux
Xetyen utilisant les noms de colonnes fournis. - Les valeurs d'entrée doivent provenir des entreprises « ebay », « nvidia » et « yahoo »
- Les valeurs de sortie doivent provenir de l'entreprise « apple »
- Utilisez les données pour entraîner et évaluer le modèle avec une validation croisée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)