स्पेशल केस: Auto-regressive मॉडल्स
अब जब आपने एक ही टाइम सीरीज़ के time-shifted वर्शन बना लिए हैं, तो आप एक auto-regressive मॉडल फिट कर सकते हैं। यह एक regression मॉडल होता है जिसमें इनपुट फीचर्स आउटपुट टाइम सीरीज़ डेटा के time-shifted वर्शन होते हैं। आप उसी टाइमसीरीज़ के पिछली वैल्यूज़ का उपयोग उसकी वर्तमान वैल्यूज़ को प्रेडिक्ट करने के लिए कर रहे हैं (इसीलिए इसे auto-regressive कहा जाता है)।
इस मॉडल के कोएफिशिएंट्स की जाँच करके, आप टाइमसीरीज़ में मौजूद किसी भी दोहराए जाने वाले पैटर्न का पता लगा सकते हैं, और यह समझ सकते हैं कि अतीत में कितनी दूर का कोई डेटा पॉइंट भविष्य के लिए कितना predictive है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Data के लिए Machine Learning
अभ्यास निर्देश
prices_perc_shiftedमें मौजूद missing values को DataFrame के median से बदलें और उसेXमें असाइन करें।prices_percमें मौजूद missing values को series के median से बदलें और उसेyमें असाइन करें।Xऔरyएरेज़ का उपयोग करके एक regression मॉडल फिट करें।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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(____, ____)