इंटरपोलेशन: बीच के समय
इस अभ्यास में, आप Dow Jones Industrial Average (DJIA) के मासिक टाइम-सीरीज़ डेटा पर एक लीनियर मॉडल फिट करेंगे और फिर उसी मॉडल का उपयोग करके डेली डेटा के लिए प्रेडिक्शन बनाएँगे (अर्थात, एक तरह की इंटरपोलेशन). इसके बाद आप उस डेली प्रेडिक्शन की तुलना वास्तविक डेली DJIA डेटा से करेंगे.
डेटा पर कुछ नोट्स. "OHLC" का मतलब है "Open-High-Low-Close". यह सामान्यतः डेली डेटा होता है, जैसे किसी स्टॉक के एक दिन के ओपनिंग और क्लोजिंग प्राइस, और उसी दिन के सबसे ऊँचे और सबसे निचले प्राइस. "DayCount" डेटा कलेक्शन की शुरुआत से दिनों की integer गिनती है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Linear Modeling परिचय
अभ्यास निर्देश
ols()का उपयोग करकेdata=df_monthlyपरformula="Close ~ DayCount"के साथ मॉडल.fit()करें.model_fit.predict()कोdf_monthly.DayCountऔरdf_daily.DayCountदोनों पर चलाकर मासिक और डेलीCloseप्राइस के लिए वैल्यू प्रेडिक्ट करें, और उन्हें हर DataFrame में नई कॉलमModelके रूप में सहेजें.- प्रीडिफ़ाइंड
plot_model_with_dataको दो बार चलाएँ, एक बारdf_monthlyपर और एक बारdf_dailyपर, और दिखाए गए RSS मानों की तुलना करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# build and fit a model to the df_monthly data
model_fit = ols('Close ~ DayCount', ____=df_monthly).____()
# Use the model FIT to the MONTHLY data to make a predictions for both monthly and daily data
df_monthly['Model'] = model_fit.____(df_monthly.____)
df_daily['Model'] = model_fit.____(df_daily.____)
# Plot the monthly and daily data and model, compare the RSS values seen on the figures
fig_monthly = plot_model_with_data(____)
fig_daily = plot_model_with_data(____)