Ajuster un modèle de régression simple
Nous allons maintenant examiner un plus grand nombre d’entreprises. Rappelez-vous que nous disposons d’historiques de prix pour de nombreuses sociétés. Utilisons les données de plusieurs entreprises pour prédire la valeur d’une entreprise test. Vous allez essayer de prédire le cours de l’action Apple à partir des valeurs de NVidia, Ebay et Yahoo. Chacune de ces séries est stockée dans une colonne du 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 de notre modèle.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- 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 cet exemple de code.
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)