Tenir compte de la non-stationnarité
Dans cet exercice, vous allez de nouveau visualiser les variations des scores du modèle, mais cette fois pour des données dont les statistiques évoluent dans le temps.
Une instance de l'objet de modèle Linear regression est stockée dans model, un objet de validation croisée dans cv, et les données dans X et y.
Cette activité fait partie du cours
Machine Learning pour les données chronologiques en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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